基于眼动的零样态体积医学图像分割
计算机视觉与模式识别
2025-06-11 v2 人工智能
摘要
准确分割体积医学图像中的解剖结构对于临床应用至关重要，包括疾病监测和癌症治疗规划。当今交互式分割模型（如Segment Anything Model 2(SAM-2)及其医学变体MedSAM-2）依赖于手动提供的提示（如边界框和鼠标点击）。本研究引入眼动作为一种新型信息模态，用于交互式分割，标志着眼动追踪技术在3D医学图像分割中的应用。我们使用合成数据和真实眼动数据评估了使用眼动提示与SAM-2和MedSAM-2的性能。与边界框相比，眼动提示提供了更高效的交互方式，虽在分割质量上略低。我们的发现凸显了将眼动作为交互式3D医学图像分割的补充输入模态的潜力。
引用
@article{arxiv.2505.15256,
title = {Zero-Shot Gaze-based Volumetric Medical Image Segmentation},
author = {Tatyana Shmykova and Leila Khaertdinova and Ilya Pershin},
journal= {arXiv preprint arXiv:2505.15256},
year = {2025}
}
备注
Accepted to MMFM-BIOMED Workshop @ CVPR 2025