SAM＋医学图像分割，水灵灵拿下Nature！（有代码数据集）

还记得Nature的那篇 Me dSAM吗？ 牛津大学后面又提出了MedSAM-2，不但分割一切医学图像，还能分割视频！准确度提升一个level，直接刷新医学图像分割SOTA榜！

这种惊人的医学图像分割效果都得益于SAM模型（尤其是升级后的SAM 2）的诸多优势，不仅拥有出色的泛化能力，还可以实时进行图像和视频内容的对象分割，大幅提升了处理速度。因此对比传统方法，这种具有高度自动化和准确性的方法是医疗图像领域未来的研究趋势。

目前 SAM做医学图像分割 还处于初步阶段，这也意味着 创新潜力和空间都很大 ，如果大家有发文需求可以考虑，我这边也整理好了 15篇 全 开源的高质量前沿论文 给大家参考，同时也附上了 90多个医学数据集 （医学缺数据集我懂），希望各位的论文能尽快中稿。

扫码添加小享， 回复“ SAM分割 ”

免费获取 全部论文+开源代码

SAM 2

Medical SAM 2: Segment medical images as video via Segment Anything Model 2

方法： 本文介绍了一种先进的分割模型MedSAM-2，它利用SAM2框架解决了2D和3D医学图像分割任务。通过将医学图像视为视频，MedSAM-2不仅适用于3D医学图像，还可以实现新的一次提示分割功能。实验证明MedSAM-2在性能上不仅超越了现有模型，而且在各种医学图像分割任务中展现出更强大的泛化能力。

创新点：

• MedSAM-2可应用于2D和3D医学图像分割任务，将医学图像视为视频，通过设计独特的管道和模块提高3D医学图像分割性能，并实现了独特的一次提示分割能力。
• MedSAM-2的一次提示分割能力是一个新的突破。用户只需对一个特定图像提供提示，模型就可以自动对所有后续图像中相同类型的物体进行分割，而不考虑图像之间的时间关系。

SAM2-UNet: Segment Anything 2 Makes Strong Encoder for Natural and Medical Image Segmentation

方法： 论文提出了一种简单而有效的用于自然和医学领域的多功能分割的SAM2-UNet框架。SAM2-UNet采用了经典的U型编码器-解码器架构，具有易于使用和高可扩展性的特点。通过在编码器中插入适配器，SAM2-UNet实现了参数高效的微调，即使在内存有限的设备上也能进行训练。

创新点：

• 提出了SAM2-UNet框架，用于图像分割任务。
• 采用SAM2的Hiera骨干作为编码器，使用经典的U型设计作为解码器。
• SAM2-UNet在多个任务领域，如伪装目标检测、显著性目标检测、海洋动物分割、镜像检测和息肉分割等，表现出卓越的性能。

扫码添加小享， 回复“