Bui N T, Hoang D H, Tran M T, et al. Sam3d: Segment anything model in volumetric medical images[J]. arXiv preprint arXiv:2309.03493, 2023.【開(kāi)源】
本文提出的SAM3D模型是針對(duì)三維體積醫(yī)學(xué)圖像分割的一種新方法。其核心在于將“分割任何事物”（SAM）模型的預(yù)訓(xùn)練編碼器與一個(gè)輕量級(jí)的3D解碼器相結(jié)合。與傳統(tǒng)的逐層處理不同，SAM3D能夠在整個(gè)體積上處理圖像，更有效地捕捉切片間的深度關(guān)系，同時(shí)維持模型的簡(jiǎn)單性和計(jì)算效率。
主要特點(diǎn)包括：
-
預(yù)訓(xùn)練的SAM編碼器：該編碼器在大規(guī)模數(shù)據(jù)集上預(yù)訓(xùn)練，能夠提取出魯棒的低級(jí)特征，如邊緣和邊界，這些在不同的圖像域中都有相關(guān)性。
-
去除了SAM中的prompts Encoder：因?yàn)榻獯a器必須處理 3D 體積數(shù)據(jù)，所以不能使用 SAM 的掩模解碼器，它是專(zhuān)門(mén)為 2D 自然圖像設(shè)計(jì)的
-
輕量級(jí)3D解碼器：為了處理3D體積數(shù)據(jù)，SAM3D提出了一個(gè)適當(dāng)?shù)?D解碼器。這個(gè)解碼器由四個(gè)3D卷積塊和一個(gè)分割頭組成，通過(guò)跳躍連接實(shí)現(xiàn)，有助于在保持模型簡(jiǎn)單的同時(shí)提高分割性能。
-
處理方式：SAM3D通過(guò)先將3D體積圖像分解為2D切片，然后通過(guò)預(yù)訓(xùn)練的SAM編碼器處理每個(gè)切片，生成3D切片嵌入。這些嵌入被3D解碼器進(jìn)一步處理，以捕獲切片間的深度關(guān)系。
-
損失函數(shù)：模型訓(xùn)練使用了組合損失函數(shù)，包括dice loss和cross-entropy loss，以?xún)?yōu)化分割性能。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-806500.html
-
實(shí)驗(yàn)結(jié)果：通過(guò)在多個(gè)醫(yī)學(xué)圖像數(shù)據(jù)集上的實(shí)驗(yàn)，只需要單2080TI GPU，SAM3D顯示了與當(dāng)前最先進(jìn)的3D神經(jīng)網(wǎng)絡(luò)和基于Transformer的模型相當(dāng)?shù)男阅埽ㄆ鋵?shí)弱很多），同時(shí)在參數(shù)數(shù)量上大大減少。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-806500.html
到了這里，關(guān)于【論文閱讀筆記】Sam3d: Segment anything model in volumetric medical images[的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
