嵌入式框架用于临床医疗图像领域的任何资源有限的医疗保健地区的任何东西
Ying Zhang1, Fangdie Ye2, Xiaofeng Yu3
1The Second Department of Gastroenterology, Shengjing Hospital of China Medical University, Shenyang, China.
NPJ digital medicine
|September 24, 2025
概括
嵌入-MedSAM是一个新的AI模型,用于自动医疗图像细分. 它在没有提示的情况下实现了高精度,并在移动设备上高效运行,改善了服务不足地区的诊断.
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:
- 便携式成像设备可以在资源有限的环境中增强医疗图像采集.
- 由于医务人员短缺,及时诊断仍然是一个挑战.
研究的目的:
- 引入Embed-MedSAM,一种低成本,全自动的医疗图像细分模型.
- 在资源有限的地区提高诊断效率和可访问性.
主要方法:
- 开发了基于MedSAM的Embed-MedSAM,结合了轻量级的RepViT编码器来减少计算.
- 在超过一百万个多式联络医疗图像上使用了两级蒸.
- 实现了一个自动提示机制,用于细粒度细分的伪标签生成.
- 共同优化了KL分歧和细分损失,以实现无提示的准确性.
主要成果:
- 在17个基准数据集和7个成像模式中实现了出色的性能.
- 与没有外部提示的第二个最佳模型相比,平均子得分提高了近16%.
- 在iPhone 14上以近30 FPS的实时性能.
结论:
- 嵌入-MedSAM为自动医疗图像细分提供了具有成本效益和高效的解决方案.
- 该模型显示了实际部署的巨大潜力,特别是在资源有限的环境中.
- 这一进步可以提高医疗专业知识稀缺的诊断能力.
