Сегментация любых медицинских изображений

Сегментация медицинских изображений — критически важный компонент клинической практики, обеспечивающий точную диагностику, планирование лечения и мониторинг заболевания. Однако существующие методы, часто ориентированные на конкретные модальности или типы заболеваний, плохо обобщаются на широкий спектр задач сегментации медицинских изображений. Здесь представлен MedSAM — базовая модель, созданная для преодоления этого ограничения за счет универсальной сегментации медицинских изображений. Модель обучена на крупном наборе данных медицинских изображений, включающем 1 570 263 пары изображение—маска и охватывающем 10 модальностей визуализации и более 30 типов рака. Проведена комплексная оценка на 86 внутренних задачах валидации и 60 внешних задачах валидации, которая показала более высокую точность и устойчивость по сравнению со специализированными моделями для отдельных модальностей. Обеспечивая точную и эффективную сегментацию в широком диапазоне задач, MedSAM обладает значительным потенциалом для ускорения развития диагностических инструментов и персонализации планов лечения.