ScribblePrompt

Interprétation du document sur les super neurones HyperAI :Sélectionné pour l'ECCV 2024 ! Couvrant plus de 54 000 images, le MIT a proposé un modèle général de segmentation d'images médicales, ScribblePrompt, qui surpasse SAM"

Téléchargements de jeux de données associés :Ensemble de données de tâches biomédicales de segmentation multi-images MedScribble

Présentation du projet

ScribblePrompt L’objectif principal de la méthode est de simplifier le processus de segmentation des images médicales, ce qui est crucial dans des applications telles que la détection de tumeurs et le contour des organes. Plutôt que de s'appuyer sur de grandes quantités de données annotées manuellement, l'outil permet aux utilisateurs de guider le modèle pour optimiser les résultats de segmentation avec de petites quantités d'entrées, telles que de simples graffitis ou des points. Cette approche réduit le temps et les efforts des experts médicaux dans l’annotation des images tout en garantissant la précision de la segmentation.

ScribblePrompt Les fonctionnalités incluent :

Étiquetage efficace : grâce à de simples opérations de gribouillage, la charge de travail de l'étiquetage manuel est considérablement réduite, ce qui est particulièrement adapté aux scénarios médicaux qui nécessitent une représentation structurelle précise.
Système collaboratif homme-machine : introduit une interaction homme-machine en temps réel pour garantir que les résultats de segmentation sont non seulement automatisés mais également cohérents avec les connaissances des experts, permettant une correction et une optimisation immédiates.
Évolutivité et flexibilité :ScribblePrompt Il prend en charge plusieurs modalités d'imagerie médicale, peut traiter des images 2D et 3D et convient à différents domaines médicaux.
Précision améliorée avec une intervention minimale : le système optimise les résultats de segmentation avec une intervention minimale de l'utilisateur, garantissant une grande précision tout en réduisant la charge de travail des experts médicaux.
Open source et évolutivité : En tant que projet open source,ScribblePrompt Conçu pour être hautement évolutif, les chercheurs et les développeurs peuvent personnaliser l'outil pour répondre à des besoins spécifiques ou l'intégrer dans un pipeline de traitement d'images médicales plus vaste.
ScribblePrompt Un équilibre entre précision, flexibilité et efficacité est atteint dans les outils d’imagerie biomédicale interactifs, offrant une grande commodité aux experts médicaux et aux chercheurs.

Exemples d'effets

Étapes de course

1. 在该项目右上角点击「克隆」，随后依次点击「下一步」即可完成：基本信息> 选择算力> 审核等步骤。最后点击「继续执行」即可在个人容器内开启本项目。

2. 等待容器资源分配完成后，可直接使用平台提供的 API 地址进行操作页面的访问（需要提前完成实名认证，此步无需打开工作空间）

3. 上传目标图片

4. 目标内容识别与切割

第一种方式：Clicks/Boxes 。具体操作方式参考图片

第二种方式：Scribbles 。具体操作方式参考图片

第三种方式：锚框内容检测。操作步骤如下

① Activez le mode Bounding Box et décochez l'option Mise à jour automatique de la prédiction sur les clics.

2. Utilisez le cadre d’ancrage pour sélectionner le contenu cible. (Notez qu'une seule image ne prend en charge que la détection d'une seule boîte d'ancrage. Si le modèle doit reconnaître et couper plusieurs contenus, les deux premières méthodes fonctionneront mieux.)