Machine Learning
Semantic Segmentation
Medical Imaging
口頭発表
SAMのプロンプトチューニングと繰り返し推論による細胞画像セグメンテーションの高精度化
- Author
- 舩井祥吾, 平川翼, 山下隆義,藤吉弘亘
- Publication
- 動的画像処理実用化ワークショップ
Download: PDF (Japanese)
セグメンテーションの基盤モデルであるSegmentAnythingModel(SAM)のプロンプトチューニングと，
繰り返し推論によりセグメンテーションする手法を提案する．提案手法は，SAMのPromptencoder部に新たな
トークンを追加してプロンプトチューニングを行うことと，繰り返し回数tとt−1のマスクを比べて，しきい値
よりも大きい変化がある場合に繰り返し推論を行うことにより，位置ずれが生じたプロンプトによる精度低下を
防ぐことが可能になる．電子顕微鏡細胞画像を対象としたISBIデータセットとElectronMicroscopy Datasetを
用いた評価実験により，提案手法の有効性を確認した．