PulseAugur
中
实时 13:45:43
English(EN) ViPSAM: Visual Prompting Medical Image Segmentation Using Segment Anything Model

ViPSAM框架通过视觉提示增强医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ViPSAM，一个新颖的视觉提示框架，旨在改进医学图像分割，特别是非对比度图像。ViPSAM基于Segment Anything Model (SAM)，利用增强对比度的MRI扫描为低对比度非对比度CT (NCCT) 图像中的病灶分割提供视觉指导。该方法增强了病灶的表示，并在肝脏病灶分割以进行质子治疗规划方面，与现有的基于U-Net和SAM的方法相比，表现出了优越的性能。 AI

影响 这项研究可能导致更准确、更高效的医学图像分析，尤其是在对比度信息有限的情况下。

排序理由 该集群描述了一篇详细介绍新颖医学图像分割方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ViPSAM框架通过视觉提示增强医学图像分割

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · San Lee, Nalee Kim, Jeong Il Yu, Hee Chul Park, Boah Kim ·

    ViPSAM：使用Segment Anything Model进行视觉提示医学图像分割

    arXiv:2607.14328v1 Announce Type: cross Abstract: In proton therapy planning, respiratory-gated non-contrast CT (NCCT) is commonly used for lesion segmentation; however, accurate delineation remains challenging due to low lesion-to-background contrast. Although learning-based met…

相关实体

相关话题