このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

オープンワールドの医療画像セグメンテーションのための汎用的な基盤モデルとデータベース

Siqi Zhang ¹, Qizhe Zhang ², Shanghang Zhang ³

¹State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China.
²State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China.
³State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China. shanghang@pku.edu.cn.
⁴South China Hospital, Medical School, Shenzhen University, Shenzhen, China.
⁵Department of Radiology, Sun Yat-Sen Memorial Hospital and Guangdong Provincial Key Laboratory of Malignant Tumor Epigenetics and Gene Regulation, Medical Research Center, Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University, Guangzhou, China.
⁶Department of Urology, Peking University Third Hospital, Beijing, China.
⁷Key Laboratory of Carcinogenesis and Translational Research (Ministry of Education/Beijing), Gastrointestinal Cancer Center, Peking University Cancer Hospital and Institute, Beijing, China.
⁸Department of Materials Science and Engineering, Stanford University, Stanford, CA, USA.
⁹John A. Paulson School of Engineering and Applied Sciences, Harvard University, Cambridge, MA, USA.
¹⁰School of Science and Engineering (SSE), the Future Network of Intelligence Institute (FNii) and the Guangdong Provincial Key Laboratory of Future Networks of Intelligence, The Chinese University of Hong Kong, Shenzhen, China.
¹¹State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China. guangyu.wang24@gmail.com.

⁰State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China.

Nature Biomedical Engineering +

|

2025年9月5日

PubMedで要約を見る

まとめ

この研究は,ネガティブな転送問題を克服する一般的な医療セグメンテーションモデルであるMedSegXを導入します. MedSegXは標準的および配送外の医用イメージングタスクの両方で堅実なパフォーマンスを示しています.

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

視力基盤モデルは多用途の医療セグメンテーションを提供しますが,不適切な訓練前のデータのためにネガティブな転送に苦しんでいます.
これらのモデルは,様々なオープンワールドおよびOODの医学的シナリオで限られた評価があります.

研究の目的

一般的な医療セグメンテーションモデル (MedSegX) を開発し,OODの課題に対応する.
訓練と評価のための包括的な医療セグメンテーションデータベース (MedSegDB) を作成する.
MedSegXの性能を評価する

主な方法

MedSegDBの構築公共の129と社内の5の医療セグメンテーションデータセットからの階層的なデータベース
オープンワールドセグメンテーションのためのコンテキストミックス・オブ・アダプター・エキスパート (ConMoAE) を利用するビジョン基盤モデルであるMedSegXの開発.
MedSegXのインディストリビューション (ID),OOD,および現実世界の臨床セグメンテーションタスクに関する包括的な評価.

主要な成果

MedSegXはIDの設定における様々な医療セグメンテーションタスクで最先端のパフォーマンスを達成しました.
MedSegXは,OODと現実世界の臨床環境で強力なパフォーマンスを維持し,ゼロショットとデータ効率の良い汎用化に優れています.
MedSegXは挑戦的な汎用化シナリオで既存の基盤モデルを上回った.

結論

MedSegXは,ネガティブ・トランスファーとOODの制限を効果的に解決する,一般的な医療セグメンテーションの重要な進歩を表しています.
提案されたConMoAEアプローチは,さまざまな医療画像アプリケーションにモデルの適応性を高めます.
MedSegDBは,医療基盤モデルの将来の研究に貴重なリソースを提供します.