Buchumschlag

MIAS-SAM: Medical Image Anomaly Segmentation without thresholding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Colussi, Marco, Ahmetovic, Dragan, Mascetti, Sergio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SeqSAM: Autoregressive Multiple Hypothesis Prediction for Medical Image Segmentation using SAM
von: Towle, Benjamin, et al.
Veröffentlicht: (2025)

ReC-TTT: Contrastive Feature Reconstruction for Test-Time Training
von: Colussi, Marco, et al.
Veröffentlicht: (2024)

Robust Box Prompt based SAM for Medical Image Segmentation
von: Huang, Yuhao, et al.
Veröffentlicht: (2024)

SimSAM: Zero-shot Medical Image Segmentation via Simulated Interaction
von: Towle, Benjamin, et al.
Veröffentlicht: (2024)

SAM 2: Segment Anything in Images and Videos
von: Ravi, Nikhila, et al.
Veröffentlicht: (2024)

DeiSAM: Segment Anything with Deictic Prompting
von: Shindo, Hikaru, et al.
Veröffentlicht: (2024)

Model Checking in Medical Imaging for Tumor Detection and Segmentation
von: Elfatimi, Elhoucine, et al.
Veröffentlicht: (2025)

Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery
von: Teng, Mélisande, et al.
Veröffentlicht: (2025)

ConformalSAM: Unlocking the Potential of Foundational Segmentation Models in Semi-Supervised Semantic Segmentation with Conformal Prediction
von: Chen, Danhui, et al.
Veröffentlicht: (2025)

Segment Any Vehicle: Semantic and Visual Context Driven SAM and A Benchmark
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Morphology-Enhanced CAM-Guided SAM for weakly supervised Breast Lesion Segmentation
von: Yue, Xin, et al.
Veröffentlicht: (2023)

EfficientViT-SAM: Accelerated Segment Anything Model Without Accuracy Loss
von: Zhang, Zhuoyang, et al.
Veröffentlicht: (2024)

BiSeg-SAM: Weakly-Supervised Post-Processing Framework for Boosting Binary Segmentation in Segment Anything Models
von: Su, Encheng, et al.
Veröffentlicht: (2025)

Adaptive Interactive Segmentation for Multimodal Medical Imaging via Selection Engine
von: Li, Zhi, et al.
Veröffentlicht: (2024)

A Foundation Model for General Moving Object Segmentation in Medical Images
von: Yan, Zhongnuo, et al.
Veröffentlicht: (2023)

XAttnRes: Cross-Stage Attention Residuals for Medical Image Segmentation
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

FluoroSAM: A Language-promptable Foundation Model for Flexible X-ray Image Segmentation
von: Killeen, Benjamin D., et al.
Veröffentlicht: (2024)

RadSAM: Segmenting 3D radiological images with a 2D promptable model
von: Khlaut, Julien, et al.
Veröffentlicht: (2025)

Prompt-Free SAM-Based Multi-Task Framework for Breast Ultrasound Lesion Segmentation and Classification
von: Johnny, Samuel E., et al.
Veröffentlicht: (2026)

Progressive Growing of Patch Size: Curriculum Learning for Accelerated and Improved Medical Image Segmentation
von: Fischer, Stefan M., et al.
Veröffentlicht: (2025)

CLoPA: Continual Low Parameter Adaptation of Interactive Segmentation for Medical Image Annotation
von: Esmaeili, Parhom, et al.
Veröffentlicht: (2026)

SAM-Fed: SAM-Guided Federated Semi-Supervised Learning for Medical Image Segmentation
von: Nasirihaghighi, Sahar, et al.
Veröffentlicht: (2025)

Zero-Shot Refinement of Buildings' Segmentation Models using SAM
von: Mayladan, Ali, et al.
Veröffentlicht: (2023)

Is Hyperbolic Space All You Need for Medical Anomaly Detection?
von: Gonzalez-Jimenez, Alvaro, et al.
Veröffentlicht: (2025)

TopoLoRA-SAM: Topology-Aware Parameter-Efficient Adaptation of Foundation Segmenters for Thin-Structure and Cross-Domain Binary Semantic Segmentation
von: Khazem, Salim
Veröffentlicht: (2026)

GLoG-CSUnet: Enhancing Vision Transformers with Adaptable Radiomic Features for Medical Image Segmentation
von: Eghbali, Niloufar, et al.
Veröffentlicht: (2025)

Harmonizing Generalization and Specialization: Uncertainty-Informed Collaborative Learning for Semi-supervised Medical Image Segmentation
von: Lu, Wenjing, et al.
Veröffentlicht: (2025)

ScribFormer: Transformer Makes CNN Work Better for Scribble-based Medical Image Segmentation
von: Li, Zihan, et al.
Veröffentlicht: (2024)

ClipSAM: CLIP and SAM Collaboration for Zero-Shot Anomaly Segmentation
von: Li, Shengze, et al.
Veröffentlicht: (2024)

ProMISe: Promptable Medical Image Segmentation using SAM
von: Wang, Jinfeng, et al.
Veröffentlicht: (2024)

Anomaly-Aware Vision-Language Adapters for Zero-Shot Anomaly Detection
von: Aqeel, Muhammad, et al.
Veröffentlicht: (2026)

Semi-Supervised 3D Medical Segmentation from 2D Natural Images Pretrained Model
von: Yeung, Pak-Hei, et al.
Veröffentlicht: (2025)

DAUNet: A Lightweight UNet Variant with Deformable Convolutions and Parameter-Free Attention for Medical Image Segmentation
von: Munir, Adnan, et al.
Veröffentlicht: (2025)

AutoMiSeg: Automatic Medical Image Segmentation via Test-Time Adaptation of Foundation Models
von: Li, Xingjian, et al.
Veröffentlicht: (2025)

MTL-MAD: Multi-Task Learners are Effective Medical Anomaly Detectors
von: Bercean, Bogdan Alexandru, et al.
Veröffentlicht: (2026)

Attention-Mamba: A Mamba-Enhanced Multi-Scale Parallel Inference Network for Medical Image Segmentation
von: Zhang, Yanhua, et al.
Veröffentlicht: (2024)

SegWithU: Uncertainty as Perturbation Energy for Single-Forward-Pass Risk-Aware Medical Image Segmentation
von: Fu, Tianhao, et al.
Veröffentlicht: (2026)

Anytime, Anywhere, Anyone: Investigating the Feasibility of Segment Anything Model for Crowd-Sourcing Medical Image Annotations
von: Kulkarni, Pranav, et al.
Veröffentlicht: (2024)

BALR-SAM: Boundary-Aware Low-Rank Adaptation of SAM for Resource-Efficient Medical Image Segmentation
von: Liu, Zelin, et al.
Veröffentlicht: (2025)

ProtoSAM: One-Shot Medical Image Segmentation With Foundational Models
von: Ayzenberg, Lev, et al.
Veröffentlicht: (2024)