English(EN) PEFT-MedSAM: Efficient Fine-Tuning of Medical Foundation Models for Explainable Skin Lesion Segmentation

新方法增强了皮肤病变医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-17 05:42

研究人员开发了PEFT-MedSAM，一种用于Medical Segment Anything Model (MedSAM) 的参数高效微调方法，以改进皮肤镜图像中皮肤病变的分割。该技术冻结了预训练的图像和提示编码器，仅训练轻量级的掩码解码器。在ISIC 2018数据集上的实验表明，PEFT-MedSAM实现了0.9411的Dice系数，优于完全训练的U-Net基线和零样本MedSAM推理。在PH2数据集上的进一步验证产生了0.9467的Dice系数，Grad-CAM可解释性证实了模型对皮肤病变区域的准确分类。 AI

影响这项研究可能通过改进自动皮肤病变分割，实现更早、更准确的黑色素瘤检测。

排序理由该集群包含一篇详细介绍医学图像分割新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Ameer Hamza · 2026-06-17 05:42

PEFT-MedSAM：用于可解释皮肤病变分割的高效医学基础模型微调

Automated segmentation of skin lesions using deep learning models for dermoscopic images can be very helpful in finding melanomas earlier than they would normally be detected. However, most deep learning methods available do not perform well. The aim of this paper is to present a…

报道来源 [1]

PEFT-MedSAM：用于可解释皮肤病变分割的高效医学基础模型微调

相关实体

相关话题