FastSAM3D: 3Dボリュメトリック医療画像のための効率的なセグメントモデル

科学分野:

• 人工知能
• 医療用イメージング
• コンピュータ・ビジョン

背景:

• セグメント・オブジェクト・モデル (SAM) は,オブジェクト・セグメント化のための強力なゼロショット・ゼネラライゼーションを提供します.
• SAMによるインタラクティブセグメンテーションは3D医療イメージングには価値がありますが,遅い推論と高いメモリ要求によって妨げられます.
• 3Dボリュームに適用される現在の2D SAMは冗長な計算を引き起こしますが,3D SAMは計算的に高価です.

研究 の 目的:

• SAMを用いた3D医療画像のインタラクティブセグメンテーションのための非常に効率的な方法を開発する.
• 3D 容積データに対する既存の SAM アプローチの計算上のボトルネックを克服する.
• 標準のGPUハードウェアでリアルタイムで低コストのインタラクティブセグメンテーションを可能にします.

主な方法:

• 3D医療画像の加速SAM推論のためのシステムであるFastSAM3Dを導入しました.
• 大きなViT-Bから小さなViT-Tinyエンコーダーに知識を転送するために,層ごとに進行的な蒸留スキームを使用しました.
• メモリ使用量を削減し,並列化を強化します.

主要な成果:

• NVIDIA A100の3Dボリュームで8ミリ秒の推論速度を達成した.
• 様々なデータセットで2D SAMに対して527.38×,3D SAMに対して8.75×のスピードアップが実証された.
• 既存の方法と比較して有意な低下なしのセグメンテーション性能を維持

結論:

• FastSAM3Dは,SAMで本当にインタラクティブな,低コストの3D医療画像セグメンテーションを可能にします.
• 開発された技術は,実用的なアプリケーションのための重要な速度とメモリ制約に対処します.
• この研究は,臨床3D医療イメージングのワークフローでSAMのより広範な採用を促進します.