OFL-SAM2：プロンプトフリーSAM2とオンライン少量ショット学習による効率的な医療画像セグメンテーション

本論文は、大量のアノテーションデータと専門家によるプロンプトを必要とする医療画像セグメンテーション（MIS）へのSegment Anything Model 2（SAM2）の適応という課題に取り組んでいます。OFL-SAM2は、限られたデータとオンライン少量ショット学習で訓練された軽量マッピングネットワークを使用した、新しいプロンプトフリーのアプローチを提供します。これは、大規模なラベル付きデータセットと専門家の介入への依存を減らし、MISをよりアクセスしやすく効率的にするため重要です。オンライン学習の側面は、異なるテストシーケンスへのモデルの適応性をさらに高めます。

• •医療画像セグメンテーションのためのプロンプトフリーSAM2フレームワークであるOFL-SAM2を提案。
• •広範なラベル付きデータへの依存を減らすために、軽量マッピングネットワークとオンライン少量ショット学習を利用。
• •限られたトレーニングデータで、多様なMISデータセットで最先端のパフォーマンスを達成。
• •ターゲット機能をSAM2のメモリ-アテンション機能と統合するための適応融合モジュールを導入。