Polyp-SAM: transferência de SAM para segmentação de pólipos

A segmentação automática de pólipos colorretais pode reduzir significativamente o erro de diagnóstico de câncer colorretal e melhorar a eficiência da anotação por parte dos médicos. Embora muitos métodos tenham sido propostos para segmentação de pólipos, treinar redes de segmentação em grande escala com dados limitados de colonoscopia continua sendo um desafio. Recentemente, o Modelo Segment Anything (SAM) ganhou muita atenção tanto na segmentação de imagens naturais quanto na segmentação de imagens médicas. O SAM demonstra desempenho superior em vários benchmarks de visão e apresenta um grande potencial para a segmentação de imagens médicas. Neste estudo, propomos o Poly-SAM, um modelo SAM ajustado para a segmentação de pólipos, e comparamos seu desempenho com vários modelos de segmentação de pólipos de ponta. Também comparamos duas estratégias de aprendizado por transferência do SAM, com e sem o ajuste fino de seus codificadores. Avaliado em cinco conjuntos de dados públicos, nosso Polyp-SAM alcança desempenho de ponta em dois conjuntos de dados e um desempenho impressionante em três conjuntos de dados, com scores de Dice todos acima de 88%. Este estudo demonstra o grande potencial de adaptar o SAM para tarefas de segmentação de imagens médicas.