SAM-EG：基于边缘引导的高效息肉分割框架

息肉分割是医学影像领域中的关键问题，近年来涌现出多种旨在提升分割掩码质量的方法。尽管当前最先进的技术已取得令人瞩目的成果，但这些模型庞大的参数量和高昂的计算成本，给实际工业应用带来了显著挑战。近期，通用分割模型（Segment Anything Model, SAM）作为一种强大的基础模型被提出，在医学图像分割任务中展现出良好的适应潜力。受此启发，本文提出SAM-EG框架，通过引导小型分割模型实现息肉分割，以应对计算成本高的难题。此外，本研究还引入了边缘引导模块（Edge Guiding module），该模块将边缘信息融入图像特征中，帮助分割模型有效缓解当前方法在边界区域存在的分割不准确问题。通过大量实验验证，所提出的轻量级模型在性能上达到与先进方法相媲美的水平，展现出在息肉分割任务中构建高精度、紧凑型模型的可行性，也为医学影像领域中高效、轻量化模型的发展提供了有前景的解决方案。