皮肤镜中的零射击毛细体细分图像通过SAM2:口腔粘膜的案例研究

科学领域:

• 生物医学成像技术 生物医学成像技术
• 人工智能在医学中的应用
• 口腔病理学 口腔病理学

背景情况:

• 口腔粘膜微血管结构的变化是各种疾病的关键早期指标.
• 目前的皮肤镜分析是主观的,并且由于依赖医生的专业知识,因此效率低下.

研究的目的:

• 开发一种使用Segment Anything Model 2 (SAM2) 对口腔粘膜的零射线毛细血管细分方法.
• 通过处理反射器件和增强微小的血管结构来解决现有方法的局限性.

主要方法:

• 利用多级自适应增强算法来改善血管结构的可视化.
• 开发了SAM2的形态意识自动提示注释策略,生成复合指导.
• 实现了一个"增强-注释-细分"协作范式,用于在没有模型培训的情况下精确的实例细分.

主要成果:

• 在212张皮肤镜像的临床数据集上,获得了0.7278的Dice系数和0.5721的IOU.
• 与医疗特定基线相比,显著改善了17.12% (Dice) 和26.9% (IoU).
• 在不需要注释数据的情况下验证了该方法在精确毛细血管细分中的有效性.

结论:

• 提出的基于SAM2的方法为口腔粘膜疾病提供了一个客观的辅助诊断工具.
• 这种方法增强了毛细管形态的分析,克服了当前实践中的主观性和低效性.
• 零射击学习能力使该方法在临床应用中具有适应性和效率.