Fugu-MT 論文翻訳(概要): Can SAM Segment Polyps?

論文の概要: Can SAM Segment Polyps?

arxiv url: http://arxiv.org/abs/2304.07583v1
Date: Sat, 15 Apr 2023 15:41:10 GMT
ステータス: 処理完了
システム内更新日: 2023-04-18 18:26:55.273866
Title: Can SAM Segment Polyps?
Title（参考訳）: SAM Segment Polypsは可能か?
Authors: Tao Zhou, Yizhe Zhang, Yi Zhou, Ye Wu, Chen Gong
Abstract要約: 最近、Meta AI Researchは、いくつかのセグメンテーションタスクで有望なパフォーマンスを示すSAM(General Segment Anything Model)をリリースした。本稿では,SAMのセグメンテーション・ポリープにおける性能について検討する。
参考スコア（独自算出の注目度）: 43.259797663208865
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently, Meta AI Research releases a general Segment Anything Model (SAM), which has demonstrated promising performance in several segmentation tasks. As we know, polyp segmentation is a fundamental task in the medical imaging field, which plays a critical role in the diagnosis and cure of colorectal cancer. In particular, applying SAM to the polyp segmentation task is interesting. In this report, we evaluate the performance of SAM in segmenting polyps, in which SAM is under unprompted settings. We hope this report will provide insights to advance this polyp segmentation field and promote more interesting works in the future. This project is publicly at https://github.com/taozh2017/SAMPolyp.
Abstract（参考訳）: 最近、Meta AI Researchは、いくつかのセグメンテーションタスクで有望なパフォーマンスを示すSAM(General Segment Anything Model)をリリースした。私たちが知っているように、ポリープセグメンテーションは、大腸癌の診断と治療において重要な役割を果たす医療画像領域の基本的な課題である。特に、polypセグメンテーションタスクにSAMを適用するのは興味深い。本稿では,SAMのセグメンテーション・ポリープにおける性能について検討する。このレポートは、このポリプセグメンテーション分野を前進させ、将来より興味深い研究を促進するための洞察を提供することを期待している。このプロジェクトはhttps://github.com/taozh2017/SAMPolyp.comで公開されている。

関連論文リスト

DB-SAM: Delving into High Quality Universal Medical Image Segmentation [100.63434169944853]
本稿では,2次元医療データと2次元医療データとのギャップを埋めるために,DB-SAMという二分岐型SAMフレームワークを提案する。文献における最近の医療用SAMアダプタと比較して,DB-SAMは8.8%向上した。
論文参考訳（メタデータ） (2024-10-05T14:36:43Z)
Polyp SAM 2: Advancing Zero shot Polyp Segmentation in Colorectal Cancer Detection [18.61909523131399]
ポリープ分画は大腸癌の早期発見と診断において重要な役割を担っている。最近、Meta AI Researchは、いくつかのセグメンテーションタスクで有望なパフォーマンスを示す一般的なセグメンテーションモデル2(SAM2)をリリースした。そこで本論文では,各種刺激条件下でのセグメンテーションポリプにおけるSAM2の性能評価を行った。
論文参考訳（メタデータ） (2024-08-12T02:10:18Z)
SAM-CP: Marrying SAM with Composable Prompts for Versatile Segmentation [88.80792308991867]
Segment Anything Model (SAM)は、イメージピクセルをパッチにグループ化する機能を示しているが、セグメンテーションにそれを適用することは依然として大きな課題に直面している。本稿では,SAM-CPを提案する。SAM-CPはSAM以外の2種類の構成可能なプロンプトを確立し,多目的セグメンテーションのために構成する単純な手法である。実験により、SAM-CPはオープンドメインとクローズドドメインの両方においてセマンティック、例、およびパノプティックセグメンテーションを達成することが示された。
論文参考訳（メタデータ） (2024-07-23T17:47:25Z)
ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
論文参考訳（メタデータ） (2024-06-30T14:55:32Z)
Test-Time Adaptation with SaLIP: A Cascade of SAM and CLIP for Zero shot Medical Image Segmentation [10.444726122035133]
臓器分割のための単純な統合フレームワークSaLIPを提案する。 SAMは画像内の部分ベースのセグメンテーションに使用され、CLIPは関心領域に対応するマスクを検索する。最後に、SAMは検索されたROIによって特定の臓器を分節するように促される。
論文参考訳（メタデータ） (2024-04-09T14:56:34Z)
RAP-SAM: Towards Real-Time All-Purpose Segment Anything [120.17175256421622]
Segment Anything Model (SAM) は、一般化されたセグメンテーションを実現するための注目すべきモデルである。現在のリアルタイムセグメンテーションは、主に運転シーンのセグメンテーションのような1つの目的を持っている。本研究は、リアルタイムデプロイメントにおけるVFMの転送を実現するために、リアルタイムに全目的セグメンテーションと呼ばれる新しいリアルタイムセグメンテーション設定を提案する。
論文参考訳（メタデータ） (2024-01-18T18:59:30Z)
Polyp-SAM++: Can A Text Guided SAM Perform Better for Polyp Segmentation? [0.0]
テキストプロンプト支援SAMであるPolyp-SAM++は、堅牢でより正確なPolypセグメンテーションのために、テキストプロンプトを使用してSAMをより有効に利用できる。我々は、ベンチマークデータセット上でのポリプセグメンテーションタスクにおいて、テキスト誘導SAMの性能を評価する。
論文参考訳（メタデータ） (2023-08-12T17:45:39Z)
Polyp-SAM: Transfer SAM for Polyp Segmentation [2.4492242722754107]
Segment Anything Model (SAM)は、最近、自然画像のセグメンテーションと医療画像のセグメンテーションに大きな注目を集めている。ポリプセグメンテーションのための微調整SAMモデルであるPoly-SAMを提案し、その性能をいくつかの最先端のポリプセグメンテーションモデルと比較する。我々のPolyp-SAMは、2つのデータセットで最先端のパフォーマンスを実現し、3つのデータセットで印象的なパフォーマンスを実現しています。
論文参考訳（メタデータ） (2023-04-29T16:11:06Z)
Medical SAM Adapter: Adapting Segment Anything Model for Medical Image Segmentation [51.770805270588625]
Segment Anything Model (SAM)は画像セグメンテーションの分野で最近人気を集めている。近年の研究では、SAMは医用画像のセグメンテーションにおいて過小評価されている。ドメイン固有の医療知識をセグメンテーションモデルに組み込んだ医療SAMアダプタ(Med-SA)を提案する。
論文参考訳（メタデータ） (2023-04-25T07:34:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。