许可协议: apache-2.0
标签:

• 医疗
• 视觉

MedSAM模型卡

MedSAM是专为医疗领域微调的SAM版本。

本代码库基于作者2023年7月发布的论文、代码与预训练模型。

模型描述

MedSAM在包含1,090,486个图像-掩模对的大规模医学图像分割数据集上训练完成，数据来自多个公开来源。
这些图像-掩模对涵盖15种成像模态和30多种癌症类型。

模型以ViT-Base架构的预训练SAM模型为基础初始化，训练过程中冻结提示编码器权重，仅更新图像编码器与掩模解码器权重。
采用AdamW优化器训练100个周期，批次大小为160，学习率10−4，权重衰减0.01。

• 代码库: MedSAM官方GitHub仓库
• 论文: 《医学图像中的通用分割》

使用示例

import requests
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from transformers import SamModel, SamProcessor
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

model = SamModel.from_pretrained("flaviagiammarino/medsam-vit-base").to(device)
processor = SamProcessor.from_pretrained("flaviagiammarino/medsam-vit-base")

img_url = "https://huggingface.co/flaviagiammarino/medsam-vit-base/resolve/main/scripts/input.png"
raw_image = Image.open(requests.get(img_url, stream=True).raw).convert("RGB")
input_boxes = [95., 255., 190., 350.]

inputs = processor(raw_image, input_boxes=[[input_boxes]], return_tensors="pt").to(device)
outputs = model(**inputs, multimask_output=False)
probs = processor.image_processor.post_process_masks(outputs.pred_masks.sigmoid().cpu(), inputs["original_sizes"].cpu(), inputs["reshaped_input_sizes"].cpu(), binarize=False)

def show_mask(mask, ax, random_color):
    if random_color:
        color = np.concatenate([np.random.random(3), np.array([0.6])], axis=0)
    else:
        color = np.array([251/255, 252/255, 30/255, 0.6])
    h, w = mask.shape[-2:]
    mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)
    ax.imshow(mask_image)

def show_box(box, ax):
    x0, y0 = box[0], box[1]
    w, h = box[2] - box[0], box[3] - box[1]
    ax.add_patch(plt.Rectangle((x0, y0), w, h, edgecolor="blue", facecolor=(0, 0, 0, 0), lw=2))

fig, ax = plt.subplots(1, 2, figsize=(10, 5))
ax[0].imshow(np.array(raw_image))
show_box(input_boxes, ax[0])
ax[0].set_title("输入图像与边界框")
ax[0].axis("off")
ax[1].imshow(np.array(raw_image))
show_mask(mask=probs[0] > 0.5, ax=ax[1], random_color=False)
show_box(input_boxes, ax[1])
ax[1].set_title("MedSAM分割结果")
ax[1].axis("off")
plt.show()

补充信息

许可声明

作者依据Apache 2.0许可证发布模型代码与预训练权重。

引用格式

@article{ma2023segment,
  title={Segment anything in medical images},
  author={Ma, Jun and Wang, Bo},
  journal={arXiv preprint arXiv:2304.12306},
  year={2023}
}