科罗SAM:是对细分任何模型的调整,用于冠状动脉血管图中的交互式细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心血管诊断心血管诊断服务

背景情况:

• 在评估冠状动脉疾病和形态学方面,X射线冠状动脉图 (XCA) 是至关重要的.
• 对主要冠状动脉血管进行准确的细分对于自动化几何分析至关重要,但由于复杂的解剖学而具有挑战性.
• 现有的方法与冠状动脉可视化的复杂性作斗争.

研究的目的:

• 介绍CoroSAM,一个适应的LiteMedSAM基础模型,用于XCA图像中的交互式冠状动脉细分.
• 通过参数高效微调来增强域特定特征提取.
• 提高自动化冠状动脉分析的准确性和效率.

主要方法:

• 在TinyViT块内使用了卷积适配器层,以实现高效的,域特定的特征提取.
• 实施基于点的提示策略,编码船舶端点和分支点.
• 通过ARCADE数据集的5倍交叉验证和XCAD和DCA1数据集的零射击测试来评估性能.

主要成果:

• 在ARCADE测试组 (子=0.87,精度=0.86,回忆=0.89) 上,CoroSAM在较少的可训练参数下实现了卓越的性能.
• 与其他适配器配置相比,显著改进.
• 在外部数据集上展示了强大的可转移性和竞争力的零射击性能 (XCAD: Dice=0.82; DCA1: Dice=0.73).

结论:

• 通过专门的适配器和点提示,CoroSAM通过最小的用户干预,准确地划出主要冠状动脉血管的界限.
• 该架构能够在标准硬件上进行高效的推理,使其适用于临床应用.
• 这个框架有效地平衡了细分精度和常规分析的计算效率.