محققان در مطالعه جدیدی، فریمورک «ViPSAM» را معرفی کردهاند که به طور تخصصی برای بخشبندی (Segmentation) دقیق تصاویر پزشکی طراحی شده است.
این مدل با الهام از مدل معروف Segment Anything (SAM) و با استفاده از روش «Visual Prompting»، میتواند ضایعات کبدی را در تصاویر سیتیاسکن (که کنتراست پایینی دارند) با دقت بسیار بالایی شناسایی کند. نوآوری اصلی این مدل، استفاده از راهنماییهای تصاویر MRI برای بهبود دقتِ تحلیلِ تصاویر NCCT است.
این دستاورد یک گام بزرگ برای تشخیص سریعتر و دقیقتر بیماریها در پرتودرمانی است و پتانسیل بالای مدلهای زبانی-تصویری را در حوزه سلامت نشان میدهد. 💡
منبع: arXiv Computer Vision