AGSAM:代理导向细分任何东西在短暂的场景中自动细分的模型
Hao Zhou1, Yao He1, Xiaoxiao Cui2
1State Key Laboratory of Ophthalmology, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Zhongshan Ophthalmic Center, Sun Yat-Sen University, Guangzhou 510000, China.
Bioengineering (Basel, Switzerland)
|May 25, 2024
概括
代理导向SAM (AGSAM) 通过生成对Segment Anything Model (SAM) 的提示来自动化医疗图像细分,克服了有限的注释数据挑战. 这种方法提高了临床环境中的诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 像素级医学图像细分对于疾病诊断和监测至关重要.
- 由于资源密集的手动注释,高质量的注释数据很少,这导致临床应用中的少量学习挑战.
研究的目的:
- 引入Agent-Guided SAM (AGSAM),一种用于医疗图像细分的自动化方法.
- 为了解决手动提示工程在少数镜头医疗图像细分场景中的局限性.
主要方法:
- AGSAM利用分段任何模型 (SAM) 和其SAM-Med2D变体进行自动提示生成.
- 提出了一种新的特征增强卷积模块 (FACM),以提高特征表示稳定性和模型准确性.
主要成果:
- 在各种细分指标上,AGSAM 始终表现出对现有方法的优越性.
- 该方法有效地克服了医疗图像细分任务中有限的注释数据的挑战.
结论:
- AGSAM为自动化,高质量的医疗图像细分提供了有效的解决方案,特别是在数据稀缺的临床环境中.
- 自动提示生成和功能增强有助于提高准确性和适应性.
