Buchumschlag

Putting the Segment Anything Model to the Test with 3D Knee MRI - A Comparison with State-of-the-Art Performance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mills, Oliver, Conaghan, Philip, Ravikumar, Nishant, Relton, Samuel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Image and Video Processing Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Segmenting Cardiac Muscle Z-disks with Deep Neural Networks
von: Ibrahim, Mihaela Croitor, et al.
Veröffentlicht: (2024)

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

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

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

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

SAM3D: Zero-Shot 3D Object Detection via Segment Anything Model
von: Zhang, Dingyuan, et al.
Veröffentlicht: (2023)

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

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

Improving Robustness of Deep Learning Based Knee MRI Segmentation: Mixup and Adversarial Domain Adaptation
von: Panfilov, Egor, et al.
Veröffentlicht: (2019)

Testing the Segment Anything Model on radiology data
von: de Almeida, José Guilherme, et al.
Veröffentlicht: (2023)

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

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

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

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

Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI
von: Gaggion, Nicolás, et al.
Veröffentlicht: (2023)

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

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

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)

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

Segment Anything Model for Medical Image Segmentation: Current Applications and Future Directions
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

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

State-of-the-Art Stroke Lesion Segmentation at 1/1000th of Parameters
von: Fedorov, Alex, et al.
Veröffentlicht: (2025)

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

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

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

Bayesian Neural Networks for 2D MRI Segmentation
von: Konathala, Lohith
Veröffentlicht: (2023)

Assessing Foundational Medical 'Segment Anything' (Med-SAM1, Med-SAM2) Deep Learning Models for Left Atrial Segmentation in 3D LGE MRI
von: Mehrnia, Mehri, et al.
Veröffentlicht: (2024)

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

Predicting Knee Osteoarthritis Progression from Structural MRI using Deep Learning
von: Panfilov, Egor, et al.
Veröffentlicht: (2022)

Performance Analysis of Deep Learning Models for Femur Segmentation in MRI Scan
von: Liu, Mengyuan, et al.
Veröffentlicht: (2025)

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

Efficient Segment Anything with Depth-Aware Fusion and Limited Training Data
von: Zhou, Yiming, et al.
Veröffentlicht: (2026)

A Generative Shape Compositional Framework to Synthesise Populations of Virtual Chimaeras
von: Dou, Haoran, et al.
Veröffentlicht: (2022)

Out-of-Distribution Segmentation in Autonomous Driving: Problems and State of the Art
von: Shoeb, Youssef, et al.
Veröffentlicht: (2025)

Segmentation-Guided Knee Radiograph Generation using Conditional Diffusion Models
von: Mei, Siyuan, et al.
Veröffentlicht: (2024)

ReCoGNet: Recurrent Context-Guided Network for 3D MRI Prostate Segmentation
von: Mustafa, Ahmad, et al.
Veröffentlicht: (2025)

SAMwave: Wavelet-Driven Feature Enrichment for Effective Adaptation of Segment Anything Model
von: Yadav, Saurabh, et al.
Veröffentlicht: (2025)

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

Mono2D: A Trainable Monogenic Layer for Robust Knee Cartilage Segmentation on Out-of-Distribution 2D Ultrasound Data
von: Kimbowa, Alvin, et al.
Veröffentlicht: (2025)