面向医学图像分割的 Segment Anything Model (SAM)：综述
图像与视频处理
2023-08-14 v3 计算机视觉与模式识别
摘要
由于提示的灵活性，基础模型已成为自然语言处理和图像生成领域的主导力量。随着 Segment Anything Model（SAM）的近期提出，提示驱动范式已进入图像分割领域，带来一系列此前未被探索的能力。然而，由于自然图像与医学图像之间的显著差异，其是否适用于医学图像分割仍不明确。本文总结了近期将 SAM 的成功经验拓展至医学图像分割任务的努力，包括经验性基准测试与方法论适配，并讨论了 SAM 在医学图像分割中的潜在未来方向。尽管直接将 SAM 应用于医学图像分割在多模态、多目标医学数据集上无法获得令人满意的性能，但我们提炼出诸多见解以指导未来研究开发面向医学图像分析的基础模型。为便利未来研究，我们维护了一个活跃的代码库，收录最新论文列表与开源项目摘要：https://github.com/YichiZhang98/SAM4MIS。
引用
@article{arxiv.2305.03678,
title = {Towards Segment Anything Model (SAM) for Medical Image Segmentation: A Survey},
author = {Yichi Zhang and Rushi Jiao},
journal= {arXiv preprint arXiv:2305.03678},
year = {2023}
}