分割大模型论文阅读——SAMUS

期刊分析

期刊名： arXiv
期刊信息： 2023-9-13

其余信息： 代码

摘要

分割任意模型（SAM）是一种著名的通用图像分割模型，最近在医学图像分割领域引起了相当多的关注。尽管 SAM 在自然图像上表现出色，但在处理医学图像时**，尤其是涉及低对比度、模糊边界、复杂形状和小尺寸物体的图像时，它会遇到显着的性能下降和有限的泛化能力。** 在本文中，我们提出了 SAMUS，一种专为超声图像分割而定制的通用模型。与之前基于SAM的通用模型相比，SAMUS不仅追求更好的泛化性，而且还追求更低的部署成本，使其更适合临床应用。具体来说，基于SAM，引入并行CNN分支，通过跨分支注意力将局部特征注入ViT编码器，以实现更好的医学图像分割。然后，开发了位置适配器和特征适配