Efficient MedSAMs: Segment Anything in Medical Images on Laptop

要約

迅速なセグメンテーション基盤モデルは、医療画像の多様なニーズに対応する革新的なアプローチとして登場しましたが、既存のモデルのほとんどは高価なコンピューティングを必要とし、臨床現場での導入に大きな障壁となっています。
この取り組みでは、20 を超える異なる施設からの 9 つの一般的な画像モダリティにまたがる大規模なデータセットを特徴とする、迅速な医療画像セグメンテーションに特化した初の国際コンペティションを開催しました。
トップチームは軽量のセグメンテーション基盤モデルを開発し、最先端のセグメンテーション精度を維持しながら計算要件を大幅に削減する効率的な推論パイプラインを実装しました。
さらに、チャレンジ後のフェーズでは、パフォーマンス ブースターと再現性タスクの設計を通じてアルゴリズムが進歩し、その結果、アルゴリズムが改善され、勝利したソリューションの再現性が検証されました。
さらに、臨床での採用を促進するために、最高のパフォーマンスを発揮するアルゴリズムがユーザーフレンドリーなインターフェイスを備えたオープンソース ソフトウェアに組み込まれています。
データとコードは、医療画像セグメンテーション基盤モデルのさらなる開発を促進し、影響力のある現実世界のアプリケーションへの道を開くために公開されています。

要約(オリジナル)

Promptable segmentation foundation models have emerged as a transformative approach to addressing the diverse needs in medical images, but most existing models require expensive computing, posing a big barrier to their adoption in clinical practice. In this work, we organized the first international competition dedicated to promptable medical image segmentation, featuring a large-scale dataset spanning nine common imaging modalities from over 20 different institutions. The top teams developed lightweight segmentation foundation models and implemented an efficient inference pipeline that substantially reduced computational requirements while maintaining state-of-the-art segmentation accuracy. Moreover, the post-challenge phase advanced the algorithms through the design of performance booster and reproducibility tasks, resulting in improved algorithms and validated reproducibility of the winning solution. Furthermore, the best-performing algorithms have been incorporated into the open-source software with a user-friendly interface to facilitate clinical adoption. The data and code are publicly available to foster the further development of medical image segmentation foundation models and pave the way for impactful real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google