研究人员开发了SGP-SAM，一个旨在改善3D医学图像中病灶分割的新框架。该方法通过引入一个自门控提示模块来条件性地增强多尺度特征，解决了弱空间表示和前景-背景数据不平衡等挑战。此外，还引入了一种新颖的Zoom Loss函数，以更好地关注较小的病灶区域，从而在MSD Liver Tumor等数据集上取得了显著的性能提升。 AI
影响 引入了一种用于3D医学图像分割的新颖方法，有望提高诊断准确性和治疗规划。
排序理由 这是一篇详细介绍医学图像分割新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.22825v1 Announce Type: new Abstract: Large segmentation foundation models such as the Segment Anything Model (SAM) have reshaped promptable segmentation in natural images, and recent efforts have extended these models to medical images and volumetric settings. However,…