项目推荐：SAMed - 医学图像分割的定制化解决方案

【免费下载链接】SAMed The implementation of the technical report: "Customized Segment Anything Model for Medical Image Segmentation" 项目地址: https://gitcode.com/gh_mirrors/sa/SAMed

1. 项目基础介绍与主要编程语言

SAMed 是一个基于大型图像分割模型 Segment Anything Model (SAM) 的开源项目，旨在通过定制化策略，为医学图像分割提供一种通用解决方案。该项目通过应用低秩调整（LoRA）微调策略，对 SAM 的图像编码器进行微调，并与提示编码器和掩码解码器一起在标记的医学图像分割数据集上进行训练。主要编程语言为 Python，依赖于 PyTorch 等深度学习库。

2. 核心功能

• 医学图像分割：SAMed 能够对医学图像进行语义分割，适用于多种医学图像的分析。
• 模型微调：采用 LoRA 策略对图像编码器进行微调，使得模型能够适应医学图像的特殊性。
• 性能优化：通过实验验证了项目设计的效果，所训练的 SAMed 模型在多器官分割数据集上的表现与现有最佳方法相当。
• 资源高效：由于 SAMed 只更新了 SAM 参数的一小部分，因此在实际应用中的部署和存储成本相对较低。

3. 项目最近更新的功能

最近项目更新中，团队进一步提升了模型的性能，尤其是在以下几个方面：

• 引入 vit_h 版本的 SAMed：为了实现更准确的医学图像分割，团队引入了基于 vit_h 版本的 SAM 的 SAMed_h。尽管 vit_h 版本的模型体积比 vit_b 版本大很多，但 LoRA 检查点的增加并不显著，使得部署和存储成本与 SAMed 相当。
• 性能提升：SAMed_h 在多个医学图像分割任务上展示了更高的性能，如表格中所示，其在多个器官的分割任务上取得了显著的 DSC 和 HD 分数提升。
• 在线演示：提供了在线演示，用户可以快速复现项目结果，并体验 SAMed 和 SAMed_s 模型的性能。

通过这些更新，SAMed 进一步证明了其在医学图像分割领域的实用性和前景。

【免费下载链接】SAMed The implementation of the technical report: "Customized Segment Anything Model for Medical Image Segmentation" 项目地址: https://gitcode.com/gh_mirrors/sa/SAMed