Inspiror

LUMOS框架利用通用视觉模型进行医学图像分割

研究人员开发了LUMOS，一个旨在通过利用通用视觉基础模型（VFMs）的潜在先验来增强医学图像分割的新框架。该方法旨在通过提炼可转移的视觉规律性来减少对广泛医学注释的依赖。LUMOS由两部分组成：Pathfinder，它从VFM中提取视觉线索；Inspiror，它利用这些线索衍生的空间信息来指导传统的医学网络。该框架证明了通用VFMs可以作为空间先验生成器，其中DINO显示出稳定的收益，而SigLIP揭示了VFM特定的敏感性。