論文の概要: SAM & SAM 2 in 3D Slicer: SegmentWithSAM Extension for Annotating Medical Images
- arxiv url: http://arxiv.org/abs/2408.15224v1
- Date: Tue, 27 Aug 2024 17:39:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 12:53:10.602218
- Title: SAM & SAM 2 in 3D Slicer: SegmentWithSAM Extension for Annotating Medical Images
- Title（参考訳）: 3DスライダにおけるSAM & SAM 2:SegmentWithSAM Extension for Annotating Medical Images
- Authors: Zafer Yildiz, Yuwen Chen, Maciej A. Mazurowski,
- Abstract要約: Segment Anything Model 2 (SAM2) は、ビデオに注釈を付けるために設計されたプロンプトベースのセグメンテーションアルゴリズムである。
本稿では,このモデルを3次元医用画像のアノテーションに適用し,一般的なアノテーションソフトウェアである3Dスライダの拡張という形で実装する。
この拡張により、ユーザーは2Dスライスにポイントプロンプトを配置し、アノテーションマスクを生成し、これらのアノテーションを1つの方向または双方向の方法で全ボリュームにわたって伝達することができる。
- 参考スコア（独自算出の注目度）: 8.575243503004785
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Creating annotations for 3D medical data is time-consuming and often requires highly specialized expertise. Various tools have been implemented to aid this process. Segment Anything Model 2 (SAM 2) offers a general-purpose prompt-based segmentation algorithm designed to annotate videos. In this paper, we adapt this model to the annotation of 3D medical images and offer our implementation in the form of an extension to the popular annotation software: 3D Slicer. Our extension allows users to place point prompts on 2D slices to generate annotation masks and propagate these annotations across entire volumes in either single-directional or bi-directional manners. Our code is publicly available on https://github.com/mazurowski-lab/SlicerSegmentWithSAM and can be easily installed directly from the Extension Manager of 3D Slicer as well.
- Abstract（参考訳）: 3D医療データのアノテーションを作成するのに時間がかかり、しばしば専門的な専門知識を必要とする。
このプロセスを支援するために様々なツールが実装されている。
Segment Anything Model 2 (SAM 2) は、ビデオに注釈を付けるように設計された汎用的なプロンプトベースのセグメンテーションアルゴリズムを提供する。
本稿では,このモデルを3次元医用画像のアノテーションに適用し,一般的なアノテーションソフトウェアである3Dスライダの拡張という形で実装する。
この拡張により、ユーザーは2Dスライスにポイントプロンプトを配置し、アノテーションマスクを生成し、これらのアノテーションを1つの方向または双方向の方法で全ボリュームにわたって伝達することができる。
私たちのコードはhttps://github.com/mazurowski-lab/SlicerSegmentWithSAMで公開されています。
関連論文リスト
- SAM2Point: Segment Any 3D as Videos in Zero-shot and Promptable Manners [87.76470518069338]
SAM2Pointは,Segment Anything Model 2 (SAM2) に適応した予備的な探索手法である。
本フレームワークは3Dポイントやボックス,マスクなど,さまざまなプロンプトタイプをサポートし,3Dオブジェクトや屋内シーン,疎外環境,生のLiDARなど,さまざまなシナリオを一般化することができる。
我々の知る限り、SAMの3Dにおける最も忠実な実装は、3Dセグメンテーションにおける将来の研究の出発点となるかもしれない。
論文 参考訳（メタデータ） (2024-08-29T17:59:45Z) - SAM2-UNet: Segment Anything 2 Makes Strong Encoder for Natural and Medical Image Segmentation [51.90445260276897]
我々は,Segment Anything Model 2 (SAM2) がU字型セグメンテーションモデルの強力なエンコーダであることを証明した。
本稿では, SAM2-UNet と呼ばれる, 汎用画像分割のための簡易かつ効果的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-16T17:55:38Z) - Interactive 3D Medical Image Segmentation with SAM 2 [17.523874868612577]
ビデオで訓練した次世代のMeta SAMモデルSAM 2のゼロショット機能について, 医用画像のセグメンテーションについて検討する。
3D画像のシーケンシャルな2Dスライスをビデオフレームとして扱うことで、SAM 2は単一のフレームから3Dボリューム全体へのアノテーションの完全な伝達を可能にする。
論文 参考訳（メタデータ） (2024-08-05T16:58:56Z) - Segment anything model 2: an application to 2D and 3D medical images [16.253160684182895]
Segment Anything Model (SAM) は、プロンプトが与えられた画像に様々なオブジェクトをセグメント化できるため、注目されている。
最近開発されたSAM 2は、この機能をビデオ入力に拡張した。
これにより、SAMを3D画像に適用する機会が開ける。
論文 参考訳（メタデータ） (2024-08-01T17:57:25Z) - Segment3D: Learning Fine-Grained Class-Agnostic 3D Segmentation without
Manual Labels [141.23836433191624]
現在の3Dシーンセグメンテーション手法は、手動で注釈付けされた3Dトレーニングデータセットに大きく依存している。
高品質な3Dセグメンテーションマスクを生成するクラス非依存の3Dシーンセグメンテーション法であるSegment3Dを提案する。
論文 参考訳（メタデータ） (2023-12-28T18:57:11Z) - TomoSAM: a 3D Slicer extension using SAM for tomography segmentation [62.997667081978825]
TomoSAMは、最先端のSegment Anything Model(SAM)を3Dスライダに統合するために開発された。
SAMは、オブジェクトを識別し、ゼロショットで画像マスクを作成することができる、迅速なディープラーニングモデルである。
これらのツール間のシナジーは、トモグラフィや他のイメージング技術からの複雑な3Dデータセットのセグメンテーションに役立つ。
論文 参考訳（メタデータ） (2023-06-14T16:13:27Z) - SAD: Segment Any RGBD [54.24917975958583]
Segment Anything Model (SAM)は、2D RGB画像の任意の部分のセグメント化の有効性を実証している。
本稿では,画像から直接幾何学情報を抽出するSegment Any RGBD (SAD) モデルを提案する。
論文 参考訳（メタデータ） (2023-05-23T16:26:56Z) - Segment Anything in 3D with Radiance Fields [83.14130158502493]
本稿では,Segment Anything Model (SAM) を一般化して3次元オブジェクトをセグメント化する。
提案手法をSA3D, 略してSegment Anything in 3Dと呼ぶ。
実験では,SA3Dが様々なシーンに適応し,数秒で3Dセグメンテーションを実現することを示す。
論文 参考訳（メタデータ） (2023-04-24T17:57:15Z) - SAMM (Segment Any Medical Model): A 3D Slicer Integration to SAM [6.172995387355581]
3次元スライダにおけるSAMの拡張であるSegment Any Medical Model (SAMM)を紹介する。
SAMMは完全なサイクルの0.6秒のレイテンシを実現し、ほぼリアルタイムで画像マスクを推測できる。
論文 参考訳（メタデータ） (2023-04-12T05:39:38Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。