本文提出了 Medical SAM Adapter (MSA)，将医学特定领域知识通过简单而有效的适应技术集成到分割模型中，而不是仅对 SAM 模型微调。 MSA 在 19 个医学图像分割任务中展现了卓越的表现，包括 CT、MRI、超声图像、眼底图像和皮肤镜像。 与 nnUNet 、 TransUNet 、 UNetr 、 MedSegDiff 等各种先进的医学图像分割方法相比， MSA 表现出色，甚至超越了完全微调的 MedSAM。 图2. 与 SAM 比较. SAM 无法有效应用在医学图像分割领域最主要的一个原因即 …

2024年2月8日 · 在Med-SA中，提出了 空间深度转置（SD-Trans） 来实现2D SAM与3D医学图像的适应，以及 超提示适配器（HyP-Adpt） 来实现快速条件适应。 对不同图像模态的 17 个医 …

在这篇文章中，我们将Segment Anything Model，SAM这个功能强大的通用分割模型扩展到了医疗图像分割，并将其命名为 MSA。 通过使用参数有效适应 (一种具有成本效益的微调技术) ，我们在原有的 SAM 模型上取得了显著的改进，并在5种不同图像模式下的19个医疗图像 ...

2002年3月24日 · Medical SAM Adapter, or say MSA, is a project to fineturn SAM using Adaption for the Medical Imaging. This method is elaborated on the paper Medical SAM Adapter: Adapting Segment Anything Model for Medical Image Segmentation.

下载SAM checkpoint（https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth），导入到./checkpoint/sam中。 这里提供的是vit_base，也可以下载vit_large和vit_huge进行尝试。 第一步：下载数据集. 在ISIC官网（ISIC Challenge）下载ISIC 2016 part 1（或者说Task 1）的Training data和Test data以及Training ground truth和Test ground truth。

作者将这种简单的自适应策略称为医疗 SAM 适配器（Medical SAM Adapter，MSA）。 MSA 在 19 个医学图像分割任务中展现出卓越的性能，涵盖了计算机断层扫描（CT）、磁共振成像（MRI）、超声图像、眼底图像和皮肤镜图像等多种模态和部位。

2023年8月1日 · 我们称之为医学SAM适配器 (medical SAM Adapter, MSA)的医学图像，在包括CT、MRI、超声图像、眼底图像和皮肤镜图像在内的19种不同图像模式的医学图像分割任务中表现出优异的性能。

2023年4月25日 · In Med-SA, we propose Space-Depth Transpose (SD-Trans) to adapt 2D SAM to 3D medical images and Hyper-Prompting Adapter (HyP-Adpt) to achieve prompt-conditioned adaptation. We conduct comprehensive evaluation experiments on 17 medical image segmentation tasks across various image modalities.

2023年5月13日 · 本文提出了 Medical SAM Adapter (MSA)，将医学特定领域知识通过简单而有效的适应技术集成到分割模型中，而不是仅对 SAM 模型微调。 MSA 在 19 个医学图像分割任务中展现了卓越的表现，包括 CT、MRI、超声图像、眼底图像和皮肤镜像。 与 nnUNet 、 TransUNet 、 UNetr 、 MedSegDiff 等各种先进的医学图像分割方法相比， MSA 表现出色，甚至超越了完全微调的 MedSAM。 图2. 与 SAM 比较. SAM 无法有效应用在医学图像分割领域最主要的一个原因 …

This tutorial demonstrates how MSA can adapt SAM to 3D multi-organ segmentation task using the BTCV challenge dataset. For BTCV dataset, under Institutional Review Board (IRB) supervision, 50 abdomen CT scans of were randomly selected from a combination of an ongoing colorectal cancer chemotherapy trial, and a retrospective ventral hernia study.