面向 3D 医学图像分割的零样本领域泛化基础模型实验研究
计算机视觉与模式识别
2025-04-01 v1
摘要
由于制造方式和获取协议的差异导致的领域偏移，限制了医学图像分割模型的泛化能力。虽然训练于多样化大规模数据的基础模型（FMs）为零样本泛化提供了前景，但其应用于体积医学数据仍未得到充分探索。本研究通过进行全面的实验研究，涵盖 6 个医学分割 FMs 和 12 个跨模态和解剖学公开数据集，我们检验了其 Towards 领域泛化（DG）的能力。我们的发现揭示了通过智能提示技术桥接领域差距的零样本 FMs 的潜力。此外，通过探索零样本 DG 的多个方面，我们提供了关于 FMs 是否适用于 DG 以及未来研究方向的宝贵见解。
引用
@article{arxiv.2503.22862,
title = {Zero-shot Domain Generalization of Foundational Models for 3D Medical Image Segmentation: An Experimental Study},
author = {Soumitri Chattopadhyay and Basar Demir and Marc Niethammer},
journal= {arXiv preprint arXiv:2503.22862},
year = {2025}
}