Kernekoncepter
Segment Anything Model(SAM)은 의료 영상 세그멘테이션에서 일반화 능력이 뛰어나지만, 의료 영상에 대한 성능이 제한적이다. 이를 개선하기 위해 SAM 변형 모델들이 제안되고 있으며, 이를 통합하고 효율적으로 활용할 수 있는 플랫폼이 필요하다.
Resumé
이 논문은 Segment Anything Model(SAM)의 의료 영상 세그멘테이션 적용을 위한 확장 플랫폼인 SAMME(Segment Any Medical Model Extended)를 소개한다.
SAM은 의료 영상 세그멘테이션에서 일반화 능력이 뛰어나지만, 의료 영상에 대한 성능이 제한적이다. 이를 개선하기 위해 SAM 변형 모델들이 제안되고 있다.
SAMME는 SAM 변형 모델들을 통합하고, 실시간 추론, 프롬프트 전파, 3D 바운딩 박스 등의 기능을 제공한다.
SAMME의 아키텍처는 3D Slicer, SAMME 서버, SAMME 브리지로 구성되며, 효율적인 세그멘테이션을 위해 설계되었다.
SAMME는 MobileSAM, MedSAM 등 최신 SAM 변형 모델들을 통합하며, 사용자 지정 데이터셋을 활용한 모델 fine-tuning을 지원한다.
SAMME는 실시간 마스크 생성, 프롬프트 전파, 3D 바운딩 박스 등의 기능을 제공하여, 의료 영상 세그멘테이션 작업을 효율적으로 수행할 수 있다.
Statistik
모바일 비트 t 모델의 평균 마스크 오버레이 시간: 0.052초
MedSAM 비트 b 모델의 평균 추론 시간: 0.008초
바닐라 비트 b 모델의 임베딩 계산 시간: 35.436초
Citater
"SAM은 의료 영상 세그멘테이션에서 일반화 능력이 뛰어나지만, 성능이 제한적이다."
"SAM 변형 모델들을 통합하고 효율적으로 활용할 수 있는 플랫폼이 필요하다."