SAM3 准备好进行病理分割了吗？

Segment Anything Model 3 (SAM3) 是否能够分割任何病理图像？数字病理学分割跨越组织级和细胞核级尺度，传统方法常常面临注释成本高和泛化性差的问题。 SAM3 引入了提示概念分割，通过文本提示提供潜在的自动化界面。通过这项工作，我们提出了一个系统评估协议，以结构化方式探索 SAM3 的功能空间。具体来说，我们在不同的监督设置下评估 SAM3，包括零样本、少样本和不同提示策略的监督。我们对 NuInsSeg、PanNuke 和 GlaS 等病理数据集的广泛评估表明：（1）纯文本提示对核概念的激活效果不佳； （2）性能对视觉提示类型和预算高度敏感； (3) 小样本学习提供了收益，但 SAM3 缺乏针对视觉提示噪声的鲁棒性； (4) 基于提示的使用和经过任务训练的基于适配器的参考之间仍然存在显着差距。我们的研究描绘了 SAM3 在病理图像分割中的边界，并为病理领域适应的必要性提供了实用指导。