VesselSAM: Leveraging SAM for Aortic Vessel Segmentation with LoRA and Atrous Attention
Created by
- Haebom
Category
Empty
저자
Adnan Iltaf, Rayan Merghani Ahmed, Bin Li, Shoujun Zhou
개요
본 논문은 대동맥 혈관 분할을 위해 SAM(Segmentation Anything Model)을 수정한 VesselSAM을 제안합니다. VesselSAM은 Atrous Attention과 LoRA(Low-Rank Adaptation)을 결합한 AtrousLoRA 모듈을 통합하여 성능을 향상시킵니다. Atrous Attention은 다중 스케일 문맥 정보를 포착하여 세부적인 국소 정보와 광범위한 전역적 문맥을 모두 보존합니다. LoRA는 고정된 SAM 이미지 인코더의 효율적인 미세 조정을 가능하게 하여 학습 가능한 파라미터 수를 줄이고 계산 효율성을 보장합니다. AVT 및 TBAD 데이터셋에서 평가한 결과, VesselSAM은 여러 의료 센터에서 93% 이상의 DSC 점수를 달성하며 최첨단 성능을 보였습니다. 이는 기존 대규모 모델에 비해 계산 오버헤드를 크게 줄이면서 높은 분할 정확도를 제공함을 의미합니다.
시사점, 한계점
•
시사점:
◦
SAM을 기반으로 대동맥 혈관 분할을 위한 효율적이고 정확한 모델인 VesselSAM을 제시.
◦
AtrousLoRA 모듈을 통해 다중 스케일 정보 활용 및 계산 효율성 향상.
◦
다양한 의료 센터 데이터셋에서 최첨단 성능 달성 (93% 이상 DSC 점수).
◦
임상 환경에서 AI 기반 대동맥 혈관 분할 향상에 기여.
◦
코드와 모델 공개를 통해 재현성 및 확장성 확보.
•
한계점:
◦
제시된 두 개의 데이터셋 외 다른 데이터셋에 대한 일반화 성능 검증 필요.
◦
AtrousLoRA 모듈의 다른 아키텍처나 방법론과의 비교 분석 부족.
◦
임상 적용을 위한 추가적인 검증 및 안전성 평가 필요.
