SkinSAM: Empowering Skin Cancer Segmentation with Segment Anything Model

要約

タイトル：SkinSAM：Segment Anything Modelによる皮膚癌セグメンテーションの強化

要約：

– 皮膚癌は、正確で効率的な診断と治療が必要な普及した可能性がある致命的な疾患である。
– 手動追跡が現在のクリニックの標準であるが、自動ツールを開発することが望まれる。
– この論文では、Segment Anything Modelに基づいたSkinSAMを提供し、優れたセグメンテーションパフォーマンスを示したと説明している。
– モデルはHAM10000データセットで検証され、10015の皮膚病理学的画像が含まれている。
– ViT_L、ViT_Hのような大きなモデルは、小さいViT_bよりもパフォーマンスが良かったが、調整されたモデル(ViT_b_finetuned)は最も大きな改善を示し、平均ピクセル精度は0.945、平均Diceスコアは0.8879、平均IoUスコアは0.7843だった。
– 病変タイプの中で、血管性病変が最も優れたセグメンテーション結果を示した。
– この研究は、Segment Anything Modelを医療画像セグメンテーションタスクに適応する大きな可能性を示している。

要約(オリジナル)

Skin cancer is a prevalent and potentially fatal disease that requires accurate and efficient diagnosis and treatment. Although manual tracing is the current standard in clinics, automated tools are desired to reduce human labor and improve accuracy. However, developing such tools is challenging due to the highly variable appearance of skin cancers and complex objects in the background. In this paper, we present SkinSAM, a fine-tuned model based on the Segment Anything Model that showed outstanding segmentation performance. The models are validated on HAM10000 dataset which includes 10015 dermatoscopic images. While larger models (ViT_L, ViT_H) performed better than the smaller one (ViT_b), the finetuned model (ViT_b_finetuned) exhibited the greatest improvement, with a Mean pixel accuracy of 0.945, Mean dice score of 0.8879, and Mean IoU score of 0.7843. Among the lesion types, vascular lesions showed the best segmentation results. Our research demonstrates the great potential of adapting SAM to medical image segmentation tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI