محققان به تازگی مدل نوآورانه HPR-SAM را معرفی کردهاند که به طور خاص برای بخشبندی (Segmentation) تصاویر پزشکی طراحی شده است. نکته کلیدی این مدل، عدم نیاز به «پرامپت» (Prompt-free) است که کارایی آن را در تحلیلهای خودکار به شدت افزایش میدهد.
این فریمورک با استفاده از یک رویکرد احتمالی سلسلهمراتبی، ویژگیهای آناتومیک تصاویر را با دقت بسیار بالایی درک میکند که باعث بهبود چشمگیر عملکرد مدل SAM در چالشهای پزشکی میشود. نتایج تستها روی مجموعهدادههای معتبر پزشکی، عملکرد پیشرو (SOTA) این مدل را تایید کرده است.
اگر در حوزه پردازش تصویر و هوش مصنوعی پزشکی فعالیت میکنید، این مقاله میتواند دیدگاه جذابی در مورد بهینهسازی مدلهای مبتنی بر Segment Anything به شما بدهد.
منبع: arXiv Computer Vision