Buchumschlag

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Guoping, Udupa, Jayaram K., Tong, Yubing, Long, Xin, Zhang, Ying, Deng, Jie, Lu, Weiguo, Zhang, You
Format:	Preprint
Veröffentlicht:	2026
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

SAM2-Aug: Prior knowledge-based Augmentation for Target Volume Auto-Segmentation in Adaptive Radiation Therapy Using Segment Anything Model 2
von: Xu, Guoping, et al.
Veröffentlicht: (2025)

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

XctDiff: Reconstruction of CT Images with Consistent Anatomical Structures from a Single Radiographic Projection Image
von: Bai, Qingze, et al.
Veröffentlicht: (2024)

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

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

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)

Improving Lesion Segmentation in Medical Images by Global and Regional Feature Compensation
von: Wang, Chuhan, et al.
Veröffentlicht: (2025)

Exploiting DINOv3-Based Self-Supervised Features for Robust Few-Shot Medical Image Segmentation
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

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

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

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

Segment Anything Model for Brain Tumor Segmentation
von: Zhang, Peng, 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)

GLAM: Glomeruli Segmentation for Human Pathological Lesions using Adapted Mouse Model
von: Yu, Lining, 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)

MDN: Mamba-Driven Dualstream Network For Medical Hyperspectral Image Segmentation
von: Lin, Shijie, et al.
Veröffentlicht: (2025)

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

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

Ultrasound SAM Adapter: Adapting SAM for Breast Lesion Segmentation in Ultrasound Images
von: Tu, Zhengzheng, 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)

Tri-Plane Mamba: Efficiently Adapting Segment Anything Model for 3D Medical Images
von: Wang, Hualiang, et al.
Veröffentlicht: (2024)

Performance and Non-adversarial Robustness of the Segment Anything Model 2 in Surgical Video Segmentation
von: Shen, Yiqing, et al.
Veröffentlicht: (2024)

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

Adapting SAM for Surgical Instrument Tracking and Segmentation in Endoscopic Submucosal Dissection Videos
von: Yu, Jieming, et al.
Veröffentlicht: (2024)

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

UNet-3D with Adaptive TverskyCE Loss for Pancreas Medical Image Segmentation
von: Zhang, Xubei, et al.
Veröffentlicht: (2025)

Lightening Anything in Medical Images
von: Fei, Ben, et al.
Veröffentlicht: (2024)

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

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

Beyond Pixel Agreement: Large Language Models as Clinical Guardrails for Reliable Medical Image Segmentation
von: Sheng, Jiaxi, et al.
Veröffentlicht: (2025)

Human Gaze-based Dual Teacher Guidance Learning for Semi-Supervised Medical Image Segmentation
von: Ge, Rongjun, et al.
Veröffentlicht: (2026)

MedSAM2: Segment Anything in 3D Medical Images and Videos
von: Ma, Jun, 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)

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

Skill-Evolving Grounded Reasoning for Free-Text Promptable 3D Medical Image Segmentation
von: Zhang, Tongrui, et al.
Veröffentlicht: (2026)

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

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

A Composite Alignment-Aware Framework for Myocardial Lesion Segmentation in Multi-sequence CMR Images
von: Gao, Yifan, et al.
Veröffentlicht: (2025)

3D Skin Segmentation Methods in Medical Imaging: A Comparison
von: Paccini, Martina, et al.
Veröffentlicht: (2025)