段的任何模型(SAM)表现出强大而多功能的分割功能以及基于直觉的及时交互。但是,自定义SAM进行医疗图像分割需要大量像素级注释以及精确的点或基于框的提示设计。为了应对这些挑战,我们介绍了PGP- SAM,这是一种基于原型的新型几声调整方法,它使用有限的样本来替代乏味的手动提示。我们的关键思想是利用类间和内部的原型来限制特定阶级的知识和关系。我们提出了两个主要组成部分:(1)一个集成多规模信息的上下文上下文模块模块,以及(2)类引导的跨注意机制,该机制融合了原型和自动及时发电的特征。在公共多器官数据集和私人心室数据集上进行的实验表明,PGP-SAM与现有的无迅速SAM变体相比,PGP-SAM获得了较高的平均骰子得分,而仅使用10%的2D片。
主要关键词