重磅发布！IMIS-Bench：3.61 亿个掩码！开创性交互式医学图像分割基准数据集IMed-361M

交互式医学图像分割 (IMIS）通过结合用户交互输入（如点击、边界框或文本提示），将人工智能的高效计算与临床专家的专业经验紧密融合，能够实时生成符合临床需求的高质量分割结果。然而，该领域长期面临数据规模和质量的双重瓶颈，缺乏类似自然图像领域 SA-1B 数据集那样大规模、高密度、标注精确的数据集。这限制了交互式医学图像分割技术的研究深度和实际应用广度。因此，构建大规模、高密度的交互式医学图像分割数据集，不仅是突破当前技术瓶颈的重要环节，更是推动人工智能深度融入医疗实践、赋能临床决策的关键基础。

图1. IMed-361M示例图像

为突破交互式医学图像分割技术瓶颈，推动人工智能深度融入医疗实践，上海人工智能实验室 GMAI 团队重磅推出 IMIS-Bench，一个交互式医学图像分割基准框架，涵盖大规模数据集IMed-361M和IMIS基线模型。

发布主页：https://uni-medical.github.io/IMIS-Benchmark/

相关论文：https://arxiv.org/pdf/2411.12814

代码仓库：https://github.com/uni-medical/IMIS