论文
用于超声图像分割的边缘感知提示增强 SAM
An Edge-aware Prompt-enhanced SAM for Ultrasound Image Segmentation
摘要
超声图像分割对于描绘解剖结构和病变至关重要，为准确诊断提供基础。虽然分段任意模型 (SAM) 在自然图像上取得了显着的成功，但其在超声数据上的性能常常因边界描绘不佳而受到阻碍。为了解决这个限制，我们提出了 EP-SAM，这是 SAM 的一种边缘感知和即时增强的适应性。具体来说，我们利用图像编码器的多块特征提取来丰富从粗到细的语义表示，而图像编码器的边缘感知监督提高了对轮廓模糊和斑点噪声的鲁棒性。通过整合这些互补线索，EP-SAM 生成高质量的提示，有效引导模型走向感兴趣的目标区域。多个基准测试的实验结果表明 EP-SAM 始终优于现有的基于 SAM 的方法。