机器人手术中的SAM 2：外科视频分割的鲁棒性和泛化的实证评估
原文中文，约600字，阅读约需2分钟。发表于：。本研究针对机器人辅助手术中的视频分割挑战，探讨了Segment Anything Model (SAM) 2的零样本分割性能及其对现实世界干扰的鲁棒性。通过在MICCAI EndoVis 2017和2018基准数据集上的广泛实验，结果显示，SAM 2在使用边界框提示时超越了最先进的方法，并在1点提示的应用中接近或超过了现有的无提示方法，展示了其在有限提示需求下的潜力。
本文介绍了使用SAM生成内窥镜帧的过度分割预测，并结合多个掩码获得准确的预测掩码。实验结果显示，组合的SAM预测结果在一定程度的破坏下具有改进的结果和鲁棒性。然而，在医学领域实施这些模型需要恰当的提示策略。
