在飞行中改进分段 任何用于医疗图像分段使用辅助在线学习的任何东西

科学领域:

• 计算机视觉 计算机视觉
• 医学成像分析 医学成像分析
• 机器学习 机器学习

背景情况:

• 目前的分段任何模型 (SAM) 变体,包括医疗SAM,在实现医疗图像分割的高精度方面存在局限性.
• 人类专家的手动或半手动校正通常需要改进SAM在医疗图像上的细分预测.
• 这些专家纠正使用先进的注释工具,突出需要自动改进.

研究的目的:

• 开发一种新的方法来增强在线机器学习的测试时间内的任何细分 (SA).
• 通过利用专家提供的修正注释来提高SA在医疗图像上的细分质量.
• 创建一个有效和高效的在线学习方法,适合大规模视觉模型,如SAM.

主要方法:

• 介绍辅助在线学习 (AuxOL),这是一种设计用于使用大规模视觉模型在线学习的方法.
• 辅助OL集成了自适应在线批处理和自适应细分融合技术.
• 该方法利用人类专家的纠正注释来实时微调SA模型.

主要成果:

• 跨越四种医学成像模式的八个数据集的实验验证证明了拟议方法的有效性.
• 与基线SAM相比,AuxOL方法显著提高了医疗图像的细分精度.
• 该方法在下游细分任务上提高了SA的实用性和效率.

结论:

• 辅助在线学习 (AuxOL) 为提高医疗图像细分中的任何细分 (SA) 模型的性能提供了一个实用和有效的解决方案.
• 提出的方法成功地将在线学习与专家反相结合,以提高细分的准确性.
• 这项工作为改善各种医学成像应用中的自动细分提供了有价值的工具.