SaLIP 与 SAM、CLIP 级联用于零样本医学图像分割的测试时间自适应
原文中文，约300字，阅读约需1分钟。发表于：。该研究论文提出了一种将 Segment Anything Model（SAM）和 CLIP 集成为医学图像分割的统一框架 SaLIP 的方法，展示了在零样本分割中显著提高的 DICE 得分，在脑部（63.46%）、肺部（50.11%）和胎头（30.82%）等不同分割任务中表现出显著改进。
该论文研究了将CLIP和SAM集成到统一框架中的深入研究，提出了基于SAM的Open-Vocabulary SAM模型，实现了交互分割和识别功能。通过知识转移模块SAM2CLIP和CLIP2SAM进行知识转移，优于简单组合SAM和CLIP的基准线。方法通过图像分类数据训练，可以分割和识别约22,000个类别。
