نموذج التقطيع المُحرَّض بوعي الأجزاء للتقسيم التكيفي

الطب الدقيق، مثل العلاجات المتكيفة مع المريض بمساعدة تحليل الصور الطبية، يطرح تحديات جديدة لخوارزميات التقسيم في التكيف مع مرضى جدد، بسبب التباين الكبير بين المرضى المختلفين وندرة البيانات المشهرة لكل مريض. في هذا البحث، نقترح خوارزمية تقسيم فعالة من حيث البيانات، وهي نموذج "Part-aware Prompted Segment Anything" ($P^2SAM$). بدون أي تعديل نموذجي، يمكن لـ $P^2SAM$ التكيف السلس مع أي مرضى جدد بالاعتماد فقط على بيانات خاصة بالمريض في حالة واحدة (one-shot). نقدم آلية دفع جديدة تركز على الأجزاء لاختيار نقاط متعددة للدفع بناءً على الخصائص الجزئية للبيانات في حالة واحدة، والتي يمكن دمجها بشكل واسع في نماذج تقسيم مختلفة قابلة للدفع، مثل SAM و SAM 2. بالإضافة إلى ذلك، لتحديد عدد الأجزاء الأمثل لكل حالة محددة، نقترح منهجية استرجاع مرشدة بالتوزيع التي تزيد من صلابة آلية الدفع التي تركز على الأجزاء. يحسن $P^2SAM$ الأداء بنسبة +8.0٪ و+2.0٪ في المتوسط من مؤشر Dice لتطبيقات التقسيم المتكيفة مع المريض المختلفة. علاوة على ذلك، يظهر $P^2SAM$ أيضًا قابلية تعميم مثيرة للإعجاب في مهام التقسيم التكيفي الأخرى في مجال الصور الطبيعية، مثل مهمة تقسيم الكائنات الشخصية (+6.4٪ mIoU). الرمز البرمجي متاح على الرابط التالي: https://github.com/Zch0414/p2sam