研究人员推出FAME，一个旨在评估少样本医学图像分割（FS-MIS）方法的新基准。FAME对包括专家模型、SAM基础、CLIP基础和多模态大型语言模型（MLLM）基础技术在内的各种方法进行了标准化评估。该基准包含跨越不同解剖部位、成像模态和感兴趣区域的14,958个测试样本，评估模型在零样本和十样本场景下的表现，以及它们识别目标缺失和在不同偏移下泛化的能力。初步研究表明，直接视觉适应比基于提示的策略在少样本分割中更有效，并且虽然更多的支持样本可以提高性能，但其效用取决于模型利用它们的能力。 AI
影响 为医学图像分割模型的评估标准化，可能加速新技术的开发和比较。
排序理由 该项目是一篇介绍特定AI任务新基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
