研究人员开发了ReG-SAM，一个旨在改进医学图像中2D血管分割的新框架。该模型基于Segment Anything Model (SAM)，通过整合参考图嵌入（GPEs）和血管原型嵌入（VPEs）来更好地捕捉全局空间特征和细粒度血管特征。在19个数据集上的广泛测试表明，ReG-SAM显著优于现有方法，即使是那些使用手动提示的方法，尤其是在分割细小血管方面。 AI
影响 提高了医学图像分析的准确性，可能有助于诊断和治疗规划。
排序理由 该集群包含一篇详细介绍特定任务新模型的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
