MedSAM-2：基于SAM-2 的能够处理多种2D和3D医学图像的模型

Medical SAM 2 (MedSAM-2)，一个基于SAM 2框架的高级分割模型，解决2D和3D医学图像分割任务。 通过将医学图像视为视频，MedSAM-2不仅适用于3D医学图像，还引入了一种新的单次提示分割功能（One-prompt Segmentation），即用户只需为某一图像提供提示，模型即可自动分割后续所有相似目标，无需再提示。 在多种医学影像模式下测试了MedSAM-2，比如腹部器官、视盘、脑肿瘤、甲状腺结节和皮肤病变。与目前最先进的模型相比，MedSAM-2在传统和交互式分割任务中表现非常出色，显示出卓越的泛化能力，即它能够很好地适应不同的图像分割任务 研究背景 随着深度学习技术的发展，医学图像分割领域取得了显著进展。医学图像分割是诊断和图像引导手术等应用中的关键技术，通过将图像分割成不同的感兴趣区域来辅助医生进行诊断。然而，传统的深度学习模型在应对不同类型的医学图像（如2D和3D图像）时存在一些挑战。尤其是： 模型泛化能力差 ：一个模型在特定目标（如某一器官或组织）上的训练无法轻易适用于其他目标，通常需要为每个分割目标开发独特的模型。 交互需求高 ：许多互动分割方法要求用户为每个图像提供提示，这对于大量图像的处理来说是非常耗时且繁琐的。 3D数据处理难度大 ：许多标准的深度学习架构主要设计用于2D图像，而医学成像数据通常存在于3D格式（如CT、MRI和超声图像），这为应用通用计算机视觉模型处理3D医学图像带来了显著的挑战。 解决的问题 为了应对上述挑战，牛津大学团队首次将 SAM-2 （Segment Anything Model 2）应用于医学图像分割，开发出MedSAM-2模型。这一模型能够处理多种医学成像模式，包括2D和3D图像。通过以下几方面的创新，显著提升了医学图像分割的效率和准确性： 统一处理2D和3D图像 ：MedSAM-2 采用将医学图像视为视频的方法，使其不仅适用于3D医学图像，还能够高效地处理2D图像。意味着它可以用于从普通的X光片到复杂的CT和MRI扫描图像。 一次性提示分割 ：用户只需为一个图像提供一次提示，模型即可自动分割随后的所有图像，无需考虑图像之间的时间关系。这显著减少了用户的交互需求，提升了操作效率。 优越的泛化能力 ：MedSAM-2 展现了卓越的泛化能力，能够在不同类型的医学图像分割任务中保持高性能，无需针对每个新任务进行重新训练或微调。 实时处理能力 ：MedSAM-2 具备实时处理复杂场景中对象运动和遮挡的能力，使其在各种实际应用中表现出色。 主要功能特点 1. 医学图像视为视频的理念 功能特点： 视频处理的概念： MedSAM-2创新性地将医学图像视为视频来处理，利用视频分割模型处理连续图像序列的优势，将3D医学图像分割任务简化为视频处理任务。 时间关联性： 利用3D图像中相邻切片的时间关联性，提高分割的精度和一致性。对于2D图像，尽管没有时间关联性，MedSAM-2仍然将一组相同类型的医学图像视为视频序列处理，从而实现高效的分割。 技术优势： 复杂场景处理： 能够处理涉及对象运动和遮挡的复杂场景，提升分割的准确性。 统一的方法： 无需为每种类型的图像设计不同的处理方法，统一的视频处理理念简化了模型设计。 2. 一次提示分割（One-prompt Segmentation） 功能特点： 单一提示： 用户只需在第一帧或特定帧中提供一个提示，模型即可自动分割后续所有帧中的相同类型对象。 减少交互： 显著减少用户需要进行的提示次数，降低了用户工作量，特别适用于需要处理大量图像的临床场景。 技术优势： 提高效率： 大幅减少了用户交互时间，提高了分割过程的整体效率。 适应性强： 模型能在没有时间关联性的情况下，通过单一提示有效分割多个图像，展示了出色的泛化能力。 3. 置信度记忆库（Confidence Memory Bank） 功能特点： 置信度优先： 在分割过程中，模型将其最有信心的结果存储在记忆库中，供后续使用。这些高置信度的模板帮助模型在处理新图像时提高准确性。 多样性约束： 确保记忆库中的图像具有多样性，以便更好地匹配输入图像，提升分割效果。 技术优势： 减少噪声影响： 通过存储高置信度的结果，减少了噪声模板对分割结果的负面影响。 提高可靠性： 记忆库中的多样性保证了模型在处理不同类型图像时的适应性和可靠性。 4. 加权选取策略（Weighted Pick-up Strategy） 功能特点： 权重分配： 在处理输入图像时，模型通过加权选取策略结合记忆库中的信息，相似度较高的图像会被赋予更高的权重。 提高传播效果： 这种策略有助于更好地传播和应用高置信度模板，提升分割结果的准确性。 技术优势： 提高匹配度： 加权选取策略确保了模型在处理新图像时，能够有效利用与输入图像相似的高置信度模板。 增强精度： 提高了分割结果的精度，特别是在处理复杂或质量较差的图像时效果显著。 5. 模型架构 功能特点： 分层视觉Transformer编码器： 提供了强大的图像嵌入能力，将输入图像抽象为高维嵌入向量。 记忆注意机制： 将图像嵌入与记忆库中的信息结合，通过记忆注意机制增强分割精度。 技术优势： 灵活性高： 该架构允许用户在3D图像分割过程中随时提供提示，模型能即时调整和改进分割结果。 精度提升： 记忆注意机制通过结合记忆库中的信息，显著提升了分割精度。 6. 强大的泛化能力 功能特点： 跨任务应用： MedSAM-2展示了卓越的泛化能力，能够在多种不同的医学图像分割任务和成像模式下取得优异的性能。 无需重新训练： 模型无需为每个新任务进行专门训练或微调，能够直接应用于新的数据。 技术优势： 适应性强： 强大的泛化能力使得模型在处理不同类型的医学图像时表现出色。 应用广泛： 能够应用于各种临床场景，提升医学图像分析的效率和准确性。 7. 实时处理能力 功能特点： 高效处理： MedSAM-2具有实时处理能力，能够快速响应用户提示，进行即时分割。 复杂场景应对： 能够应对涉及对象运动和遮挡的复杂场景，保证分割结果的稳定性和准确性。 技术优势： 提高效率： 实时处理能力显著提高了分割任务的效率，减少了等待时间。 增强体验： 提升了用户的操作体验，特别是在临床实时应用中优势明显。 实际应用 MedSAM-2作为一种先进的医学图像分割模型，具有广泛的实际应用价值。以下是一些具体的应用场景： 临床诊断 疾病检测 ：MedSAM-2可以帮助医生自动分割和识别医学图像中的病变区域，如肿瘤、囊肿、病灶等，提高诊断的准确性和效率。 器官和组织分割 ：通过对CT、MRI等医学影像中的器官和组织进行精确分割，MedSAM-2可以辅助医生进行解剖学分析和功能评估。 手术规划和导航 术前规划 ：在手术前，通过对医学图像进行精确分割，医生可以更好地了解患者的解剖结构，制定更精确的手术计划。 术中导航 ：实时分割和显示术中影像，有助于医生在手术过程中实时调整和优化操作，提高手术的安全性和成功率。 放射治疗 靶区勾画 ：在放疗过程中，MedSAM-2可以自动分割肿瘤和周围重要器官，帮助放射肿瘤科医生精确勾画放疗靶区和保护区，提高放疗的精准度。 剂量分布计算 ：精确的分割结果可以用于计算放射剂量的分布，确保肿瘤得到足够的照射，同时最大限度地保护周围健康组织。 医学研究 大规模数据分析 ：在医学研究中，MedSAM-2可以用于大规模医学图像数据的自动分割和标注，节省大量的人力资源，提高研究效率。 新技术和方法验证 ：通过对不同分割方法的比较和验证，研究人员可以利用MedSAM-2进行新技术和算法的评估。 远程医疗 辅助诊断 ：在远程医疗中，MedSAM-2可以提供自动化的图像分割和分析，辅助远程医生进行诊断和治疗决策，提高远程医疗的效率和准确性。 患者监控 ：通过对连续医学图像的自动分割和分析，可以实现对患者病情的长期监控，及时发现病情变化并采取相应措施。 教育培训 医学影像培训 ：MedSAM-2可以用于医学影像学的教育和培训，帮助学生和医生更好地理解和掌握图像分割技术。 手术模拟 ：通过对手术影像的分割和重建，MedSAM-2可以用于手术模拟和训练，提升医生的操作技能。 技术方法 1. 模型架构 MedSAM-2 基于 Segment Anything Model 2 (SAM 2) 的架构，融合了多种先进的图像处理技术，适用于2D和3D医学图像分割任务。 主要组件: 分层视觉Transformer编码器: 将输入图像转换为嵌入向量。 记忆注意机制: 结合记忆库中的信息，增强输入图像嵌入，提升分割精度。 记忆库: 存储高置信度的分割结果，用于辅助后续图像处理。 2. 医学图像视为视频处理 MedSAM-2 通过将医学图像视为视频来处理，实现了高效的分割能力。 工作流程: 3D医学图像: 利用SAM 2的视频处理能力，将3D图像中的相邻切片视为连续帧，利用时间关联性进行分割。 2D医学图像: 将一组2D图像视为视频序列，即使它们没有时间关联性，通过置信度优先的记忆库和加权选取策略实现“一次提示分割”。 3. 一次提示分割 MedSAM-2的核心创新之一是“一次提示分割”功能，极大地简化了用户操作。 具体实现: 单一提示: 用户只需在第一帧或特定帧中提供一个提示，模型即可在所有后续帧中自动分割目标区域。 记忆库: 存储和利用高置信度的分割结果，减少了每帧都需要提示的需求。 4. 置信度记忆库 MedSAM-2 使用置信度记忆库来提高分割的准确性和一致性。 工作原理: 置信度优先: 模型在分割过程中，将其最有信心的结果存储在记忆库中，这些结果用于辅助后续的分割任务。 多样性约束: 确保记忆库中的图像具有多样性，以便更好地匹配和处理输入图像。 5. 加权选取策略 为了提高分割的准确性，MedSAM-2引入了加权选取策略。 具体实现: 权重分配: 根据与输入图像的相似度，对记忆库中的图像进行加权，赋予相似度较高的图像更高的权重。 信息融合: 将输入图像嵌入与加权后的记忆库信息结合，增强分割结果。 6. 训练和推理流程 MedSAM-2 的训练和推理流程经过优化，以实现高效和准确的分割。 训练过程: 数据准备: 使用多种医学图像数据集进行训练，涵盖不同的分割任务和成像模式。 模型训练: 通过大量的训练数据和多任务学习，模型学会在不同条件下进行准确分割。 推理过程: 提示输入: 用户提供初始提示，模型开始处理图像序列。 分割执行: 利用记忆库和加权选取策略，模型对后续图像进行自动分割。 结果输出: 输出高精度的分割结果，供临床或研究使用。 评估结果 1. 数据集 MedSAM-2在多种医学图像分割任务上进行了评估，使用的数据集包括： BTCV （腹部多器官分割） REFUGE2 （视盘和视杯分割） BraTs 2021 （脑肿瘤分割） TNMIX （甲状腺结节分割） ISIC 2019 （皮肤病变分割） 此外，还使用了10个额外的2D图像分割任务数据集进行一次性提示分割性能评估。 2. 评估指标 评估指标包括： 交并比（IoU） Dice分数 Hausdorff距离（HD95） 3. 结果展示 3D 医学图像分割 在BTCV多器官分割数据集上的表现： 在BTCV数据集上，MedSAM-2展示了显著的性能提升，平均Dice系数达到88.57%，不仅超越了SAM-2 36.97%的基础值，还超越了当前最佳的全监督模型MedSegDiff 0.70个百分点。 2D 医学图像分割 在不同2D医学图像数据集上的表现： MedSAM-2在多个任务上展示了显著的性能优势，包括视盘、视杯、脑肿瘤、甲状腺结节和皮肤病变分割。特别是在视盘和视杯分割任务中，MedSAM-2的Dice系数分别达到了97.8%和87.6%，在脑肿瘤分割中达到了90.5%的Dice系数。 一次提示分割性能 在“一次提示分割”场景下的评估结果如下： 模型 KiTS23 ATLAS23 TDSC WBC SegRap CrossM23 REFUGE CadVidSet STAR ToothFairy 平均Dice PANet 84.3 82.7 78.4 75.1 81.5 80.6 77.3 76.2 75.6 74.8 78.7 ALPNet 85.7 83.1 79.2 76.3 82.1 81.4 78.5 77.5 76.4 75.7 79.6 SENet 86.4 84.2 79.8 77.2 82.8 82.1 79.1 78.2 77.1 76.4 80.3 UniverSeg 87.2 84.8 80.5 78.1 83.5 82.9 79.9 79.1 78.2 77.3 81.0 DAT 88.1 85.3 81.2 78.9 84.3 83.5 80.6 79.8 79.0 78.1 81.9 ProbOne 88.8 85.9 81.8 79.6 84.9 84.1 81.2 80.4 79.7 78.7 82.5 HyperSegNas 89.4 86.5 82.4 80.3 85.5 84.7 81.8 81.0 80.3 79.3 83.1 One-prompt 90.1 87.2 83.0 81.0 86.1 85.3 82.4 81.6 81.0 79.9 83.7 MedSAM-2 91.3 88.3 84.1 82.0 87.4 86.2 83.2 82.5 82.0 81.0 85.0 在“一次提示分割”场景下，MedSAM-2与少样本学习和单次学习模型进行了比较，展示了卓越的泛化能力和分割性能。MedSAM-2在10个数据集上的平均Dice系数为85.0%，显著优于其他比较模型。 MedSAM-2 在多个医学图像分割任务和数据集上的评估结果展示了其强大的分割性能和泛化能力。无论是在3D多器官分割任务还是在2D视盘、视杯、脑肿瘤、甲状腺结节和皮肤病变分割任务中，MedSAM-2均取得了优异的表现。特别是在“一次提示分割”场景下，MedSAM-2 展示了其减少用户交互需求和提高分割效率的优势，具有广泛的临床应用前景。 论文： https://arxiv.org/pdf/2408.00874 GitHub： https://github.com/MedicineToken/Medical-SAM2

Menu

分类目录

MedSAM-2：基于SAM-2 的能够处理多种2D和3D医学图像的模型

Related Posts

Meta AI提出了一种新的语言模型架构“Large Concept Model (LCM) 让模型更像人类思考

阿里巴巴推出QVQ-72B 一个基于Qwen2-VL-72B的新型多模态推理模型

Fireworks AI新功能能够将图像或PDF等非文本内容转化为LLM可理解的结构化文本

Hume AI推出全能文本与语音引擎 OCTAVE 根据文本实时生成特定人格特质的声音

Anthropic 公布了一种全新的 AI 越狱技术可以轻松破解所有前沿模型

INFP：基于音频驱动的双人对话中的互动头像生成能自动区分谁在说话，谁在听

Recommendeds

苹果开发出一种方法解决了模型每次更新后出现的结果不一致问题

Melodisco：AI 版的网易云音乐一个开源的 AI 播放器收录了 30 万首 AI 歌曲

教程：使用 Glif 利用Flux Schnell模型创建四格漫画故事板和分镜头剧本

Color Health 与OpenAI 合作开发出Cancer Copilot 加速癌症患者治疗

ReCap：能够自动分析2个小时长的视频，并生成准确描述

PDF2Audio：将 PDF 文件转换为播客、讲座、摘要等音频内容

Multimodal ArXiv：用于改善大型视觉-语言模型科学理解的数据集

Runway Gen-3 Alpha 详细使用教程以及提示词指南大全

Cohere 推出 Rerank 3 可与任何数据库或搜索索引兼容

微软对Azure AI语音服务升级发布9种更真实的AI语音

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?

Menu

分类目录

MedSAM-2：基于SAM-2 的能够处理多种2D和3D医学图像的模型

Support authors and subscribe to content

加入会员

Related Posts

Recommendeds

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?