Key points are not available for this paper at this time.
يقف نموذج تقسيم أي شيء (SAM) كنموذج أساسي لتقسيم الصور لأغراض عامة، حيث يظهر أداء واعد في مهام تقسيم الصور الطبيعية المختلفة. ومع ذلك، فإن خصائصه ثنائية الأبعاد تعيق غالبًا التقاط ودمج المعلومات الحيوية في الفضاء ثلاثي الأبعاد، خاصة عند التعامل مع بيانات صور طبية حجمية. لمعالجة هذه المشكلة، نقترح 3D ASAM، وهو نهج جديد لتقسيم الصور الطبية الحجمية. بشكل محدد، يقوم نموذجنا بإدخال الصور الحجمية مباشرة إلى فروع SAM و CNN لمساعدة النموذج على فهم الهيكل المعقد والملمس للصور بشكل أفضل. نقدم سلسلة من المحولات ثلاثية الأبعاد المبتكرة في كتلة المحول لمشفّر الصور، مع الاحتفاظ بمعظم الأوزان المدربة مسبقًا في SAM. نحن نستخدم استراتيجية ضبط دقيق فعالة من حيث المعلمات ونقترح دالة خسارة جديدة لاختلاف الحدود، بهدف تحسين دقة التقسيم والحدود من أجل تحسين تقسيم الصور الطبية. أجرينا تجارب واسعة على مجموعات بيانات صور الأورام البنكرياسية الطبية، وحقق طريقتنا نتائج تنافسية مقارنة بأساليب ثلاثية الأبعاد المتقدمة الأخرى عندما تم تقديم مؤشرات نقطة مفردة فقط.
درس يانغ وآخرون (الجمعة) هذا السؤال.