A Foundation Model for General Moving Object Segmentation in Medical Images

要約

医療画像セグメンテーションは、対象となる解剖学的構造または病理学的構造を描写することを目的としており、臨床診断において重要な役割を果たします。
高精度のディープセグメンテーションモデルを構築するには、大量の高品質の注釈付きデータが不可欠です。
ただし、医療注釈は、ラベル付けスペースが膨大でフレーム間の一貫性が低いため、特に医療ビデオや 3D ボリュームの場合、非常に面倒で時間がかかります。
最近、移動オブジェクト セグメンテーション (MOS) と呼ばれる基本的なタスクにより、自然画像が大幅に進歩しました。
その目的は、最小限の注釈のみを必要とし、画像シーケンス内の背景から移動するオブジェクトを描写することです。
この論文では、iMOS と呼ばれる、医療画像における MOS の最初の基盤モデルを提案します。
大規模なマルチモーダル医療データセットに対する広範な実験により、提案された iMOS の有効性が検証されました。
具体的には、iMOS は、シーケンス内の少数の画像のみに注釈を付けるだけで、シーケンス全体を通じて双方向で移動オブジェクトの満足のいく追跡およびセグメンテーションのパフォーマンスを実現できます。
私たちは、提案された iMOS が専門家のアノテーション速度を加速し、医療基盤モデルの開発を促進するのに役立つことを期待しています。

要約(オリジナル)

Medical image segmentation aims to delineate the anatomical or pathological structures of interest, playing a crucial role in clinical diagnosis. A substantial amount of high-quality annotated data is crucial for constructing high-precision deep segmentation models. However, medical annotation is highly cumbersome and time-consuming, especially for medical videos or 3D volumes, due to the huge labeling space and poor inter-frame consistency. Recently, a fundamental task named Moving Object Segmentation (MOS) has made significant advancements in natural images. Its objective is to delineate moving objects from the background within image sequences, requiring only minimal annotations. In this paper, we propose the first foundation model, named iMOS, for MOS in medical images. Extensive experiments on a large multi-modal medical dataset validate the effectiveness of the proposed iMOS. Specifically, with the annotation of only a small number of images in the sequence, iMOS can achieve satisfactory tracking and segmentation performance of moving objects throughout the entire sequence in bi-directions. We hope that the proposed iMOS can help accelerate the annotation speed of experts, and boost the development of medical foundation models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google