Project Icon

Medical-SAM2

基于SAM2框架的2D和3D医学图像精准分割模型

Medical-SAM2是一个开源的医学图像分割模型,基于SAM2框架开发。该模型支持2D和3D医学图像分割,适用于REFUGE眼底图像和BTCV腹部多器官等数据集。项目提供环境配置、数据准备和训练步骤指南,以及预训练权重。Medical-SAM2为医学图像分析研究提供了实用的工具和资源。

● Medical SAM 2: 通过Segment Anything Model 2将医学图像作为视频进行分割

Discord License

Medical SAM 2,也称为MedSAM-2,是一种先进的分割模型,它利用SAM 2框架来解决2D和3D医学图像分割任务。这种方法在论文Medical SAM 2: 通过Segment Anything Model 2将医学图像作为视频进行分割中进行了详细阐述。

🔥 快速概览

🩻 3D腹部分割可视化

🧐 要求

安装环境:

conda env create -f environment.yml

conda activate medsam2

您可以从checkpoints文件夹下载SAM2检查点:

bash download_ckpts.sh

进一步说明:我们在以下系统环境中进行了测试,由于系统差异,您可能需要处理一些问题。

操作系统:Ubuntu 22.04
Conda版本:23.7.4
Python版本:3.12.4

我们在这里发布了我们的预训练权重

🎯 示例案例

下载REFUGE或BCTV或您自己的数据集并放在data文件夹中,如果该文件夹不存在则创建它 ⚒️

2D案例 - 从眼底图像中分割REFUGE视杯

步骤1:这里手动下载预处理的REFUGE数据集,或使用命令行:

wget https://huggingface.co/datasets/jiayuanz3/REFUGE/resolve/main/REFUGE.zip

unzip REFUGE.zip

步骤2: 通过以下命令运行训练和验证:

python train_2d.py -net sam2 -exp_name REFUGE_MedSAM2 -vis 1 -sam_ckpt ./checkpoints/sam2_hiera_small.pt -sam_config sam2_hiera_s -image_size 1024 -out_size 1024 -b 4 -val_freq 1 -dataset REFUGE -data_path ./data/REFUGE

3D案例 - 腹部多器官分割

步骤1:这里手动下载预处理的BTCV数据集,或使用命令行:

wget https://huggingface.co/datasets/jiayuanz3/btcv/resolve/main/btcv.zip

unzip btcv.zip

步骤2: 通过以下命令运行训练和验证:

python train_3d.py -net sam2 -exp_name BTCV_MedSAM2 -sam_ckpt ./checkpoints/sam2_hiera_small.pt -sam_config sam2_hiera_s -image_size 1024 -val_freq 1 -prompt bbox -prompt_freq 2 -dataset btcv -data_path ./data/btcv

🚨 新闻

  • 24-08-05. 我们的Medical SAM 2论文在Hugging Face上被AK收集的当日论文排名第一 🤗
  • 24-08-05. 更新3D示例详情和预处理BTCV数据集下载链接 🔗
  • 24-08-05. 更新2D示例详情和预处理REFUGE数据集下载链接 🔗
  • 24-08-05. 我们的Medical SAM 2论文已在线发布 🥳
  • 24-08-05. 我们的Medical SAM 2代码已在Github上发布 🥳
  • 24-07-30. SAM 2模型已发布 🤩

📝 引用

@misc{zhu_medical_2024,
   title={Medical SAM 2: Segment medical images as video via Segment Anything Model 2},
   author={Jiayuan Zhu and Yunli Qi and Junde Wu},
   year = {2024},
   eprint={2408.00874},
   archivePrefix={arXiv},
   primaryClass={cs.CV}
}
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号