-
题名基于MedSAM的高效半监督医学图像病灶分割方法
- 1
-
-
作者
贾熹滨
尹训洁
范超
杨正汉
-
机构
北京工业大学计算机学院
首都医科大学附属北京友谊医院
-
出处
《东北大学学报(自然科学版)》
北大核心
2026年第1期1-10,共10页
-
基金
国家自然科学基金资助项目(62476015,62171298,82372043,82371904).
-
文摘
针对半监督病灶分割中教师网络性能较差,难以指导学生网络进行有效分割的问题,本文提出一种高效的半监督医学图像病灶分割方法.该方法选用特征提取能力更强的MedSAM(medical segment anything model)作为教师网络,构建基于Mamba的轻量级学生网络,通过知识蒸馏提升学生网络分割性能.针对异构网络特征对齐带来的语义失配问题,提出基于扰动一致的跨架构知识蒸馏策略,将教师特征映射到学生特征空间并对齐扰动响应,提升学生网络特征表达能力以优化分割性能.此外,针对病灶形态多样及前景背景对比度低导致的分割一致性差问题,提出基于分布的自监督损失进行优化.在多类医学图像病灶分割数据集上的实验表明,本文方法的分割性能优于现有方法,同时学生网络参数量仅为1.34 M,显著提升了模型效率.
-
关键词
病灶分割
medsam
Mamba
知识蒸馏
自监督损失
-
Keywords
lesion segmentation
medsam
Mamba
knowledge distillation
self-supervised loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于MedSAM模型的视网膜血管图像分割
- 2
-
-
作者
刘雅卉
-
机构
浙江中医药大学
-
出处
《现代信息科技》
2025年第11期54-58,共5页
-
文摘
眼底图像中视网膜血管的分割对于早期发现和诊断眼部疾病至关重要。传统视网膜自动分割方法依赖大量的标注数据进行模型预训练,然而实际应用中视网膜图像数据集规模有限且标注成本较高。该研究应用了一种通用医学图像分割模型Medical Segment Anything Model(MedSAM)进行迁移学习,实现了数据集有限情况下的视网膜准确分割。本研究在主流视网膜眼底图像数据集CHASE_DB1和STARE上进行了评估。实验结果表明,相比于U-Net和U-Net++模型,MedSAM在训练过程中损失能更快收敛至稳定区间,并且分割效果在Dice Score、IoU和PA三项指标上均有领先,展示了优秀的分割性能,为临床诊断提供了强大的工具。
-
关键词
medsam
视网膜
图像分割
医学图像
-
Keywords
medsam
retina
image segmentation
medical image
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名胰腺病变图像分割模型研究
- 3
-
-
作者
黄梦滨
顾春华
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《建模与仿真》
2025年第4期159-166,共8页
-
文摘
胰腺病变分割是医学图像分析中的一项重要任务,但由于胰腺的大小、形状不规则以及位置不固定,导致该任务充满挑战。胰腺病变的早期检测对于患者的治疗和预后至关重要,因此受到了广泛关注。本文提出了一种改进的U-Net网络模型,通过引入MedSAM编码器和高效通道注意力(ECA)模块,显著提升了胰腺病变分割的精度和鲁棒性。MedSAM编码器对输入图像进行预处理,提取多层次、多尺度的特征。MedSAM编码器能够有效捕捉胰腺的复杂结构和病变区域的细节信息,为后续分割提供高质量的特征表达。其次,在上采样过程中引入高效通道注意力(ECA)模块,增强通道间的依赖关系,防止降维导致的通道信息丢失。在MSD_Pancreas数据集上的实验结果表明,本文方法在Dice相似系数(DSC)和豪斯多夫距离(HD95)两个评价指标上均取得了显著提升。具体而言,本文方法的DSC分数达到82.7%,HD95值为10.2 mm,相比基线U-Net分别提高了4.4%和2.3 mm。实验结果表明,本文方法在胰腺病变分割任务中显著优于基线模型,尤其是在处理复杂病变和边界模糊区域时表现突出。
-
关键词
胰腺病变分割
注意力机制
medsam
高效通道注意力
-
Keywords
Segmentation of Pancreatic Lesions
Attention
medsam
ECA
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
