Buchumschlag

Prompting Segment Anything Model with Domain-Adaptive Prototype for Generalizable Medical Image Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Zhikai, Dong, Wenhui, Zhou, Peilin, Gu, Yuliang, Zhao, Zhou, Xu, Yongchao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MoreStyle: Relax Low-frequency Constraint of Fourier-based Image Reconstruction in Generalizable Medical Image Segmentation
von: Zhao, Haoyu, et al.
Veröffentlicht: (2024)

CellSeg1: Robust Cell Segmentation with One Training Image
von: Zhou, Peilin, et al.
Veröffentlicht: (2024)

Part-aware Prompted Segment Anything Model for Adaptive Segmentation
von: Zhao, Chenhui, et al.
Veröffentlicht: (2024)

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

Medical SAM Adapter: Adapting Segment Anything Model for Medical Image Segmentation
von: Wu, Junde, et al.
Veröffentlicht: (2023)

Dual Structure-Aware Image Filterings for Semi-supervised Medical Image Segmentation
von: Gu, Yuliang, et al.
Veröffentlicht: (2023)

Cross Prompting Consistency with Segment Anything Model for Semi-supervised Medical Image Segmentation
von: Miao, Juzheng, et al.
Veröffentlicht: (2024)

SAQ-SAM: Semantically-Aligned Quantization for Segment Anything Model
von: Zhang, Jing, et al.
Veröffentlicht: (2025)

Enhancing the Reliability of Segment Anything Model for Auto-Prompting Medical Image Segmentation with Uncertainty Rectification
von: Zhang, Yichi, et al.
Veröffentlicht: (2023)

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

MedLSAM: Localize and Segment Anything Model for 3D CT Images
von: Lei, Wenhui, et al.
Veröffentlicht: (2023)

SAMSA 2.0: Prompting Segment Anything with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation
von: Roddan, Alfie, et al.
Veröffentlicht: (2025)

Shape Transformation Driven by Active Contour for Class-Imbalanced Semi-Supervised Medical Image Segmentation
von: Gu, Yuliang, et al.
Veröffentlicht: (2024)

Register Anything: Estimating "Corresponding Prompts" for Segment Anything Model
von: Huang, Shiqi, et al.
Veröffentlicht: (2025)

I-MedSAM: Implicit Medical Image Segmentation with Segment Anything
von: Wei, Xiaobao, et al.
Veröffentlicht: (2023)

Segment Anything Model Can Not Segment Anything: Assessing AI Foundation Model's Generalizability in Permafrost Mapping
von: Li, Wenwen, et al.
Veröffentlicht: (2024)

pFedSAM: Personalized Federated Learning of Segment Anything Model for Medical Image Segmentation
von: Wang, Tong, et al.
Veröffentlicht: (2025)

Learning to Prompt Segment Anything Models
von: Huang, Jiaxing, et al.
Veröffentlicht: (2024)

A Probabilistic Segment Anything Model for Ambiguity-Aware Medical Image Segmentation
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

Multimodal Causal-Driven Representation Learning for Generalizable Medical Image Segmentation
von: Liang, Xusheng, et al.
Veröffentlicht: (2025)

PPBoost: Progressive Prompt Boosting for Text-Driven Medical Image Segmentation
von: Li, Xuchen, et al.
Veröffentlicht: (2025)

Det-SAM2:Technical Report on the Self-Prompting Segmentation Framework Based on Segment Anything Model 2
von: Wang, Zhiting, et al.
Veröffentlicht: (2024)

Position-Guided Prompt Learning for Anomaly Detection in Chest X-Rays
von: Sun, Zhichao, et al.
Veröffentlicht: (2024)

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

S-SAM: SVD-based Fine-Tuning of Segment Anything Model for Medical Image Segmentation
von: Paranjape, Jay N., et al.
Veröffentlicht: (2024)

Leveraging Textual Anatomical Knowledge for Class-Imbalanced Semi-Supervised Multi-Organ Segmentation
von: Gu, Yuliang, et al.
Veröffentlicht: (2025)

TP-Seg: Task-Prototype Framework for Unified Medical Lesion Segmentation
von: Xu, Jiawei, et al.
Veröffentlicht: (2026)

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

Char-SAM: Turning Segment Anything Model into Scene Text Segmentation Annotator with Character-level Visual Prompts
von: Xie, Enze, et al.
Veröffentlicht: (2024)

SAIF: A Stability-Aware Inference Framework for Medical Image Segmentation with Segment Anything Model
von: Wu, Ke, et al.
Veröffentlicht: (2026)

Learnable Prompting SAM-induced Knowledge Distillation for Semi-supervised Medical Image Segmentation
von: Huang, Kaiwen, et al.
Veröffentlicht: (2024)

Vision-Language Semantic Aggregation Leveraging Foundation Model for Generalizable Medical Image Segmentation
von: Yu, Wenjun, et al.
Veröffentlicht: (2025)

Prototypical Progressive Alignment and Reweighting for Generalizable Semantic Segmentation
von: Zhang, Yuhang, et al.
Veröffentlicht: (2025)

Masked Representation Modeling for Domain-Adaptive Segmentation
von: Zhou, Wenlve, et al.
Veröffentlicht: (2025)

Is Foreground Prototype Sufficient? Few-Shot Medical Image Segmentation with Background-Fused Prototype
von: Tang, Song, et al.
Veröffentlicht: (2024)

SAMSA: Segment Anything Model Enhanced with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation
von: Roddan, Alfie, et al.
Veröffentlicht: (2025)

Benchmarking Human and Automated Prompting in the Segment Anything Model
von: Quesada, Jorge, et al.
Veröffentlicht: (2024)

SAMAug: Point Prompt Augmentation for Segment Anything Model
von: Dai, Haixing, et al.
Veröffentlicht: (2023)

Concept-to-Pixel: Prompt-Free Universal Medical Image Segmentation
von: Chen, Haoyun, et al.
Veröffentlicht: (2026)

Domain-invariant Prototypes for Semantic Segmentation
von: Yang, Zhengeng, et al.
Veröffentlicht: (2022)