Yihao Liu, Jiaming Zhang, Zhangcong She, Amir Kheradmand, Mehran Armand
The Segment Anything Model (SAM) is a new image segmentation tool trained with the largest segmentation dataset at this time. The model has demonstrated that it can create high-quality masks for image segmentation with good promptability and generalizability. However, the performance of the model on medical images requires further validation. To assist with the development, assessment, and utilization of SAM on medical images, we introduce Segment Any Medical Model (SAMM), an extension of SAM on 3D Slicer, a widely-used open-source image processing and visualization software that has been extensively used in the medical imaging community. This open-source extension to 3D Slicer and its demonstrations are posted on GitHub (this https URL). SAMM achieves 0.6-second latency of a complete cycle and can infer image masks in nearly real-time.
| Comments: | 3 pages, 2 figures |
| Subjects: | Image and Video Processing (eess.IV); Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG) |
| Cite as: | arXiv:2304.05622 [eess.IV] |
| (or arXiv:2304.05622v1 [eess.IV] for this version) | |
| https://doi.org/10.48550/arXiv.2304.05622
Focus to learn more |
メタのSAMを医療画像に強くバージョンアップ 「SAMM」登場
ジョンズ・ホプキンス大学の研究グループによる報告。
Meta AIのSAM（なんでも認識する（Segment Anything）モデル）と医療画像プラットフォームを統合するフレームワークSAMM (Segment Any Medical Model)が作られました。
遅延わずか0.6秒で医療画像のリアルタムなマスキングができる。
著者らによると「SAMは優れているが単体では医療画像におけるパフォーマンスは十分か分からない」とのこと。
なおSAMと統合される医療画像プラットフォームは3D Slicerといい医療画像コミュニティで広く使用されているオープンソースの画像処理および可視化ソフトウェアです。
