BriefGPT - AI 论文速递
·
医学图像分割的基于鲁棒盒提示的 SAM
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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，利用适配器使2D SAM模型适应3D医学图像。在AMOS2022上，Dice系数为90.52%，比nnUNet提高了2.7%。在ACDC和Synapse数据集上，分别超过了nnUNet 1.7%和1.0%。
🎯
关键要点
- 提出了一种新型医学图像分割方法MaskSAM。
- MaskSAM是一个无需提示的SAM适应框架。
- 设计了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适配器使2D SAM模型适应3D医学图像。
- 在AMOS2022上，MaskSAM的Dice系数为90.52%，比nnUNet提高了2.7%。
- 在ACDC和Synapse数据集上，MaskSAM分别超过了nnUNet 1.7%和1.0%。
➡️
