FastSAM-3DSlicer:用于3D体积分段的3D切片扩展器,任何具有不确定性量化不确定性模型
Yiqing Shen1, Xinyuan Shao1, Blanca Inigo Romillo1
1Johns Hopkins University, Baltimore, MD 21218, USA.
Foundation models for general medical AI : second international workshop, MedAGI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, proceeding. MedAGI (Workshop) (2nd : 2024 : Marrakech, Morocco)
|July 28, 2025
概括
FastSAM-3DSlicer集成了分段任何模型 (SAM) 以实现高效的3D医疗图像细分. 该工具提供实时,用户友好的解剖结构和病理的细分,改善诊断工作流程.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算解剖学的计算解剖学
背景情况:
- 医疗图像的准确细分对于临床决策至关重要.
- 分段任何模型 (SAM) 显示了潜力,但缺乏用户友好的3D集成.
- 现有的SAM应用程序在体积医学成像工作流程中是有限的.
研究的目的:
- 开发一个用户友好的3D Slicer扩展,集成2D和3D SAM模型用于医疗图像细分.
- 为了实现3D体积医学图像的高效,实时的交互式细分.
- 为了简化医疗图像分析工作流程与自动化细分处理.
主要方法:
- 开发了FastSAM-3DSlicer,这是一个包含SAM-Med2D,MedSAM,SAM-Med3D和FastSAM-3D的3D切片器扩展.
- 集成自动处理原始图像数据,用户提示和细分面具.
- 实施了一个不确定性量化方案,以提高可靠性.
主要成果:
- FastSAM-3DSlicer为3D医疗图像提供了无的交互和可视化.
- FastSAM-3D实现了较低的推断时间:每卷1.09s (CPU) 和0.73s (GPU).
- 该扩展适用于实时交互式细分和临床集成.
结论:
- FastSAM-3DSlicer为2D和3D交互式体积医学图像细分提供了一个高效,精确和用户友好的平台.
- 该工具增强了SAM在医疗图像分析中的实际应用.
- 公开可用的代码有助于采用和进一步开发.
