Brain-SAM: un modelo general de segmentación automática basado en SAM para imágenes de neurociencia

Área de la Ciencia:

• Imagenología biomédica
• Visión por computadora
• Microscopía

Sus antecedentes:

• La segmentación de imágenes ópticas microscópicas es crucial pero desafiante.
• El Modelo de Segmentación de Cualquier Cosa (SAM) muestra potencial para la segmentación de imágenes naturales.

Objetivo del estudio:

• Desarrollar Brain-SAM, un modelo de segmentación automatizado para imágenes ópticas microscópicas.
• Mejorar la eficiencia, precisión y robustez de la segmentación de imágenes en biomedicina.

Principales métodos:

• Se utilizó el Modelo de Segmentación de Cualquier Cosa (SAM) como base.
• Se introdujo un codificador de indicaciones automático para la segmentación de alto rendimiento.
• Se desarrolló un optimizador de segmentación para mejorar el rendimiento.

Principales resultados:

• Brain-SAM superó a los modelos especializados en la mayoría de las tareas en ocho conjuntos de datos de referencia.
• Logró altas puntuaciones IoU y Dice en los conjuntos de datos Brain (98,07 %, 99,03 %), Tek (93,13 %, 96,44 %) y Lectin3d (88,49 %, 93,89 %).
• Se publicaron nuevos conjuntos de datos de imágenes de neurociencia disponibles públicamente.

Conclusiones:

• Brain-SAM ofrece una solución potente y automatizada para la segmentación de imágenes microscópicas.
• El modelo demuestra un potencial significativo para avanzar en la investigación y el análisis biomédico.
• Los conjuntos de datos disponibles públicamente facilitarán la investigación futura en la imagenología de neurociencia.