医疗SAM适配器:适应医疗图像分割的任何细分模型
Junde Wu1, Ziyue Wang2, Mingxuan Hong1
1Department of Biomedical Engineering, National University of Singapore, Singapore.
Medical image analysis
|March 23, 2025
概括
医疗SAM适配器 (Med-SA) 增强了医疗图像分割的分段任何模型 (SAM). 在17个任务中,Med-SA通过适应SAM并进行最小的参数更新来实现卓越的性能,从而提高了医疗AI的能力.
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) 证明了在图像细分中的广泛适用性.
- 由于缺乏特定领域的知识,SAM在医疗图像细分方面存在局限性.
- 适应像SAM这样的基础模型用于专业任务,对于推进医学人工智能至关重要.
研究的目的:
- 开发一种有效的方法来适应SAM用于医疗图像细分任务.
- 为了提高SAM在细分多样化的医学成像模式的性能.
- 提出轻量化适应技术,以保持SAM的一般能力.
主要方法:
- 介绍了医疗SAM适配器 (Med-SA),这是SAM的一种新型适应技术.
- 使用光适应策略,避免完整的模型微调.
- 开发空间深度转换 (SD-Trans) 用于3D医疗图像适应.
- 实现超提示适配器 (HyP-Adpt) 进行提示条件的适应.
主要成果:
- 在17个不同的医疗图像细分任务中,Med-SA表现出卓越的性能.
- 适应过程只需要更新SAM参数的2% (1300万).
- 提出的方法成功地适应了2D SAM用于3D医学图像分析.
结论:
- Med-SA提供了一种高效和有效的解决方案,用于在医疗图像细分中增强SAM.
- 轻量化适应技术可以成功地将特定领域的知识整合到大型基础模型中.
- 该方法显示了改善医疗保健中人工智能驱动的诊断和分析的巨大潜力.
