arXiv cs.AI· Vincenzo Marcian\`o, Xiaoming Zhang, Michela Antonelli, Sebastien Ourselin, Maria A Zuluaga·· 23 小时前AI 评分31
GRACE:检索增强的通用医学图像分割校正模型
Retrieval-Augmented Correction for Generalist Medical Image Segmentation
AI 导读
GRACE 是一个检索增强的掩码精修器,基于已验证病例的共享知识库对输入分割掩码进行校正,只需在多器官语料上训练一次,无需为每个解剖结构单独训练校正模型。在 18 个公开数据集(CT、MRI、超声)上,弱分割器输入 DSC 为 0.386 时 GRACE 最多提升 +0.35 DSC;强分割器输入 DSC 0.932 时平均变化较小。
正文 · AI 翻译
摘要:自动化分割通常被用作基于图像的定量临床工作流程的第一步,其中预测的掩码随后由人工操作员审查和修正。目前,残余结构误差的自动修正是一次针对一个解剖结构进行的,因此训练好的修正器数量会随分割目标数量而增加。我们提出了 GRACE,一种检索增强的修正器,它在来自经过验证的既往病例共享知识库的上下文下编辑输入掩码。该修正器在一个涵盖紧凑器官、腔体、分支血管和肿瘤病变的多器官语料库上训练一次。在留出数据集迁移评估中,三个留出数据集查询一个仅由训练数据构建的固定知识库。一项单独的留一解剖结构实验测试无参数索引扩展:未见过的实体器官的已验证病例进入知识库,而修正器保持冻结。一个位于冻结多模态编码器上的轻量形状感知投影头将嵌入相似度映射到掩码的形状一致性,因此知识库返回修正器可用作形状先验的病例。我们在涵盖 CT、MRI 和超声的 18 个公开数据集上评估 GRACE,使用九种修正配置和七种上游分割器,涵盖弱、中、强操作区间。我们用其输入掩码的 DSC 报告每项变化。在弱层级上,输入 DSC 为 0.386,GRACE 最多增加 +0.35 DSC。在强分割器上,输入 DSC 为 0.932,平均变化很小。迁移到训练和索引中均不存在的成像模态是部分的,且取决于解剖结构,仍是一个开放的研究方向。我们的结果表明,检索条件修正是一种实用的替代方案,可替代解剖结构特定的修正模型。代码:此 https URL
| 评论: | 已被 Transactions on Machine Learning Research 接收(10/2026)。在 OpenReview 上评审:此 https URL |
| 主题: | 计算机视觉与模式识别(cs.CV);人工智能(cs.AI) |
| 引用为: | arXiv:2611.23189 [cs.CV] |
| (或 arXiv:2611.23189v1 [cs.CV] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23189 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Vincenzo Marcianò [查看电子邮件]
[v1]
2026 年 11 月 17 日星期二 18:33:42 UTC(1,940 KB)
来源:arXiv cs.AI · arxiv.org