Остання редакція: 2024-05-19
Анотація
В даній роботі досліджується потенціал моделі Language Segment-Anything для визначення областей інтересу (англ.: ROI – Region of Interest) медичних зображень. Завдяки інтеграції текстових підказок (англ.: text prompts) у структуру Segment Anything Model (SAM) від Meta і розробці зручної для користувача програми з використанням Streamlit, дана робота ілюструє, як такий підхід дозволяє визначати псевдомаски регіонів інтересу без попереднього процесу розмітки даних. Це спрощує процес сегментації зображень, роблячи його швидшим, точнішим та доступнішим для користувачів. Вправність моделі Language Segment-Anything в обробці інструкцій природною мовою та її здатність зменшити потребу в ручному маркуванні даних має значний потенціал у галузі медичної візуалізації.
Ключові слова
Посилання
1. Komenchuk O. V. and Mokin O. B., “Analysis of Methods for Preprocessing of Panoramic Dental X-Rays for Image Segmentation Tasks,” Visnyk of Vinnytsia Politechnical Institute. 2023. Vol. 170, no. 5. P. 41–49. URL: https://doi.org/10.31649/1997- 9266-2023-170-5-41-49.
2. H. Abdi, S. Kasaei, and M. Mehdizadeh, “Automatic segmentation of mandible in panoramic x-ray,” J. Med. Imaging (Bellingham), vol. 2, no. 4, 044003, 2015. [Online]. Available: https://www.academia.edu/36038975/Pre-Processing_of_Dental_X-Ray_Images_Using_Adaptive_Histogram_Equalization_Method.
3. “Language Segment-Anything”, GitHub, [Online]. Available: https://github.com/luca-medeiros/lang-segment-anything
4. “Segment Anything,” GitHub, [Online]. Available: https://github.com/facebookresearch/segment-anything
5. Yi Li, Zhanghui Kuang, Liyang Liu, Yimin Chen and Wayne Zhang, “Pseudo-Mask Matters in Weakly-Supervised Semantic Segmentation,” Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV). 2021. P. 6964-6973. URL: https://doi.org/10.48550/arXiv.2108.12995
6. Abdi and S. Kasaei, “Panoramic Dental X-rays With Segmented Mandibles,” 2020. [Online]. Available: https://data.mendeley.com/datasets/hxt48yk462/2
7. Jie Hu, Chen Chen, Liujuan Cao, Shengchuan Zhang, Annan Shu, Guannan Jiang and Rongrong Ji, “Pseudo-label Alignment for Semi-supervised Instance Segmentation,” Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV). 2023. P. 16337-16347. URL: https://doi.org/10.48550/arXiv.2308.05359
8. “Streamlit,” GitHub, [Online]. Available: https://github.com/streamlit/streamlit