SAMM (Segment Any Medical Model): A 3D Slicer Integration to SAM

要約

タイトル：SAMM（Segment Any Medical Model）：3D SlicerインテグレーションによるSAMの拡張

要約：最大のセグメンテーションデータセットで訓練された新しい画像セグメンテーションツールであるSegment Anything Model（SAM）があります。このモデルは、優れたプロンプト性と汎用性で高品質のマスクを作成できることを示しています。しかし、医療画像におけるモデルの性能はさらなる検証が必要です。SAMの開発、評価、および利用を支援するために、Segment Any Medical Model（SAMM）を導入します。SAMMは、医療画像でのSAMの機能強化版で、医療画像処理と視覚化ソフトウェアである3D Slicer上に拡張されました。このオープンソース拡張機能とそのデモは、GitHub（https://github.com/bingogome/samm）に掲載されています。SAMMは、完全なサイクルの0.6秒のレイテンシーを実現し、ほぼリアルタイムで画像のマスクを推論できます。

– SAMとは、最大のセグメンテーションデータセットで訓練された画像セグメンテーションツールである。
– SAMMは、医療画像でのSAMの性能向上のために導入された拡張版である。
– SAMMは、3D Slicer上に拡張された。
– SAMMのオープンソース拡張機能とそのデモは、GitHubに掲載されている。
– SAMMは、完全なサイクルの0.6秒のレイテンシーを実現し、ほぼリアルタイムで画像のマスクを推論できる。

要約(オリジナル)

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 (https://github.com/bingogome/samm). SAMM achieves 0.6-second latency of a complete cycle and can infer image masks in nearly real-time.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI