Buchumschlag

Segment Anything Model for Medical Image Segmentation: Current Applications and Future Directions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yichi, Shen, Zhenrong, Jiao, Rushi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Segment Anything in Medical Images
von: Ma, Jun, et al.
Veröffentlicht: (2023)

DeSAM: Decoupled Segment Anything Model for Generalizable Medical Image Segmentation
von: Gao, Yifan, et al.
Veröffentlicht: (2023)

Autoadaptive Medical Segment Anything Model
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

Segment Anything Model for Medical Images?
von: Huang, Yuhao, et al.
Veröffentlicht: (2023)

Segment Anything in Medical Images and Videos: Benchmark and Deployment
von: Ma, Jun, et al.
Veröffentlicht: (2024)

SAM3D: Segment Anything Model in Volumetric Medical Images
von: Bui, Nhat-Tan, et al.
Veröffentlicht: (2023)

Efficient MedSAMs: Segment Anything in Medical Images on Laptop
von: Ma, Jun, et al.
Veröffentlicht: (2024)

Segment Anything Model for Brain Tumor Segmentation
von: Zhang, Peng, et al.
Veröffentlicht: (2023)

FastSAM3D: An Efficient Segment Anything Model for 3D Volumetric Medical Images
von: Shen, Yiqing, et al.
Veröffentlicht: (2024)

ASPS: Augmented Segment Anything Model for Polyp Segmentation
von: Li, Huiqian, et al.
Veröffentlicht: (2024)

SAM3D: Zero-Shot Semi-Automatic Segmentation in 3D Medical Images with the Segment Anything Model
von: Chan, Trevor J., et al.
Veröffentlicht: (2024)

Mamba-UNet: UNet-Like Pure Visual Mamba for Medical Image Segmentation
von: Wang, Ziyang, et al.
Veröffentlicht: (2024)

SemiSAM+: Rethinking Semi-Supervised Medical Image Segmentation in the Era of Foundation Models
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

SAM-I2I: Unleash the Power of Segment Anything Model for Medical Image Translation
von: Huo, Jiayu, et al.
Veröffentlicht: (2024)

D-Net: Dynamic Large Kernel with Dynamic Feature Fusion for Volumetric Medical Image Segmentation
von: Yang, Jin, et al.
Veröffentlicht: (2024)

Exploiting the Segment Anything Model (SAM) for Lung Segmentation in Chest X-ray Images
von: de Carvalho, Gabriel Bellon, et al.
Veröffentlicht: (2024)

Application of Segment Anything Model for Civil Infrastructure Defect Assessment
von: Ahmadi, Mohsen, et al.
Veröffentlicht: (2023)

Segment Anything for Histopathology
von: Griebel, Titus, et al.
Veröffentlicht: (2025)

Medical Image Segmentation Using Directional Window Attention
von: Kareem, Daniya Najiha Abdul, et al.
Veröffentlicht: (2024)

Segmenting Medical Images with Limited Data
von: Liua, Zhaoshan, et al.
Veröffentlicht: (2024)

Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation
von: Shi, Hairong, et al.
Veröffentlicht: (2024)

Improving Segment Anything on the Fly: Auxiliary Online Learning and Adaptive Fusion for Medical Image Segmentation
von: Huang, Tianyu, et al.
Veröffentlicht: (2024)

Deshadow-Anything: When Segment Anything Model Meets Zero-shot shadow removal
von: Zhang, Xiao Feng, et al.
Veröffentlicht: (2023)

Zero-Shot Surgical Tool Segmentation in Monocular Video Using Segment Anything Model 2
von: Lou, Ange, et al.
Veröffentlicht: (2024)

Conformal Lesion Segmentation for 3D Medical Images
von: Tan, Binyu, et al.
Veröffentlicht: (2025)

Zero-shot 3D Segmentation of Abdominal Organs in CT Scans Using Segment Anything Model 2: Adapting Video Tracking Capabilities for 3D Medical Imaging
von: Yamagishi, Yosuke, et al.
Veröffentlicht: (2024)

Foundation AI Model for Medical Image Segmentation
von: Bao, Rina, et al.
Veröffentlicht: (2024)

Structure Unbiased Adversarial Model for Medical Image Segmentation
von: Zhang, Tianyang, et al.
Veröffentlicht: (2022)

Segmentation Quality and Volumetric Accuracy in Medical Imaging
von: Zhang, Zheyuan, et al.
Veröffentlicht: (2024)

Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty
von: Zou, Ke, et al.
Veröffentlicht: (2023)

Adversarial Neural Networks in Medical Imaging Advancements and Challenges in Semantic Segmentation
von: Liu, Houze, et al.
Veröffentlicht: (2024)

Specialized Change Detection using Segment Anything
von: Ahmad, Tahir, et al.
Veröffentlicht: (2024)

Susceptibility of Adversarial Attack on Medical Image Segmentation Models
von: Wang, Zhongxuan, et al.
Veröffentlicht: (2024)

MedSAM2: Segment Anything in 3D Medical Images and Videos
von: Ma, Jun, et al.
Veröffentlicht: (2025)

Large-Vocabulary Segmentation for Medical Images with Text Prompts
von: Zhao, Ziheng, et al.
Veröffentlicht: (2023)

Advancing Medical Image Segmentation with Mini-Net: A Lightweight Solution Tailored for Efficient Segmentation of Medical Images
von: Javed, Syed, et al.
Veröffentlicht: (2024)

Q-Segment: Segmenting Images In-Sensor for Vessel-Based Medical Diagnosis
von: Bonazzi, Pietro, et al.
Veröffentlicht: (2023)

MCICSAM: Monte Carlo-guided Interpolation Consistency Segment Anything Model for Semi-Supervised Prostate Zone Segmentation
von: Huang, Guantian, et al.
Veröffentlicht: (2024)

nnSAM: Plug-and-play Segment Anything Model Improves nnUNet Performance
von: Li, Yunxiang, et al.
Veröffentlicht: (2023)