轻量级框架基于箱体的任何医学图像分割模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了自动医学图像分割模型在多种影像模态和感兴趣区域下的局限性。通过引入Swin-LiteMedSAM模型，结合轻量级的Swin Transformer及多种提示类型，该模型在性能与速度之间取得了良好平衡。实验结果显示，在多个模态上与基线相比显著提升了分割性能，具有重要的现实应用潜力。
MaskSAM是一种适用于医学图像分割的新型SAM适应框架，通过生成辅助分类器令牌、辅助二进制掩模和辅助边界框来解决额外提示的要求。利用3D深度卷积适配器和3D深度MLP适配器，使预训练的2D SAM模型提取3D信息并适应3D医学图像。在AMOS2022、ACDC和Synapse数据集上，MaskSAM的性能超过了nnUNet。
