入选ECCV 2024！覆盖5.4w+图像，MIT提出医学图像分割通用模型ScribblePrompt，性能优于SAM
💡
原文中文，约5100字，阅读约需13分钟。
📝
内容提要
麻省理工学院开发了ScribblePrompt，一种用于生物医学图像分割的交互工具。它利用神经网络，支持涂鸦、点击和边界框等多种注释方式，适合不同标签和图像类型。研究显示，ScribblePrompt在速度和准确性上优于现有方法，并能在低资源环境中高效运行。
🎯
关键要点
- 麻省理工学院开发了ScribblePrompt，一种用于生物医学图像分割的交互工具。
- ScribblePrompt支持涂鸦、点击和边界框等多种注释方式，适合不同标签和图像类型。
- 该工具在速度和准确性上优于现有方法，并能在低资源环境中高效运行。
- 研究团队与麻省总医院和哈佛医学院合作，提出了这一基于神经网络的通用模型。
- ScribblePrompt在手动涂鸦实验中表现出最准确的分割结果。
- 用户研究显示，使用ScribblePrompt的参与者更容易实现目标分割，且分割时间更短。
- 该工具在单个CPU上每次预测仅需0.27秒，展示了其低成本和易部署的优势。
- 研究团队汇编了77个开放获取的生物医学成像数据集，用于训练和评估。
- ScribblePrompt的设计旨在增强医务工作者的工作，而非取代他们的努力。
➡️
