Joey-S-Liu/MedSAM3

解決的問題

MedSAM3 是為了透過消除對邊界框或點等手動提示的需求，簡化醫學影像分割而設計的。取而代之的是，使用者可以使用純文字引導的醫學概念（例如「皮膚病變」）來分割醫學目標。

工作原理

本專案基於 SAM3 模型採用參數高效微調策略。它利用 LoRA（低秩適應）技術，將基礎模型適應至一個大規模、多樣化的醫學資料集，該資料集包含超過 658,000 張影像與近 290 萬筆實例標註，涵蓋 330 種獨特的醫學概念。

適用對象

需要在多種模態（包括放射學（CT、MRI、PET、X光）、光學/顯微成像，以及基於影片的程序（超音波、內視鏡、手術））中使用靈活且穩健的分割工具的醫學影像研究人員與臨床醫生。

主要亮點

• 文字引導分割： 基於醫學概念而非手動座標進行目標分割。
• 廣泛模態支援： 覆蓋放射學、顯微鏡、組織病理解剖學與手術影片。
• 專用醫學資料集： 在包含 658,094 張影像與 2,863,974 筆標註的大規模資料集上訓練。
• 高效微調： 利用 LoRA 實現對基礎 SAM3 模型的參數高效適應。