基于盒子提示的点注释脑肿瘤分割方法
原文中文，约300字，阅读约需1分钟。发表于：。通过迭代框架实现语义感知的点辅助医学图像分割方法，利用点注释生成潜在伪边界框建议，并通过原型化的语义相似性进行显式的细化，然后利用 MedSAM 推断出分割掩模，辅以空间细化模块以改善性能。针对 BraTS2018 整个脑部肿瘤的分割，该方法在传统 PSS 方法和边界标注方法中表现出优越性能。
提出了一种新型的医学图像分割方法MaskSAM，通过设计提示生成器生成辅助分类器令牌、辅助二进制掩模和辅助边界框，利用3D深度卷积适配器和3D深度MLP适配器提取3D信息并适应3D医学图像。该方法在AMOS2022上的性能达到了最先进水平，Dice系数为90.52%，超过了nnUNet 2.7%。在ACDC和Synapse数据集上，该方法分别超过了nnUNet 1.7%和1.0%。
