对医疗图像分析的任何细分模型 (SAM) 的审查:成就和前景
Mudassar Ali1, Tong Wu2, Haoji Hu1
1College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, 310027, Zhejiang, China.
概括
细分任何模型 (SAM) 在微调后对医疗图像细分有希望,尽管最初的结果混合. 未来的工作重点是大数据集和临床集成,以释放其全部潜力.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 分段任何模型 (SAM) 已成为图像分割的强大工具.
- 它在医学成像中的直接应用产生了多样化的结果,需要适应.
研究的目的:
- 在过去一年中,回顾SAM在医疗图像细分方面的进展.
- 突出SAM在医疗领域的潜力和挑战.
主要方法:
- 在专业医疗数据集上微调SAM.
- 适应SAM用于3D医疗图像细分.
- 为医疗应用优化提示工程策略.
主要成果:
- 当微调时,SAM表现出显著的成就,显示出适应医疗任务的适应性.
- 没有调整的直接应用导致了不一致的细分性能.
- 该模型显示了提高医疗图像细分精度和效率的潜力.
结论:
- 在医疗图像细分方面,SAM具有相当大的前景.
- 未来的研究应该集中在大规模数据集创建,多模式/多规模集成和半监督学习上.
- 将SAM的应用扩展到临床环境是一个关键的未来方向.


