본 논문은 대장용종 및 피부 병변의 정확한 분할을 위해 SAM(Segment Anything Model)을 기반으로 한 약지도 학습 기반의 새로운 분할 네트워크인 BiSeg-SAM을 제안합니다. 의료 영상의 픽셀 단위 주석 작업의 어려움을 해결하기 위해, CNN 모듈과 결합된 SAM을 미세 조정하여 국소적 특징을 학습하고, WeakBox를 통해 자동으로 SAM 모델에 대한 박스 프롬프트를 생성하며, MM2B 변환을 이용해 거친 마스크를 박스로 변환합니다. 또한, SC 손실을 적용하여 예측 스케일을 정렬하고, DetailRefine 모듈을 통해 정확도를 높입니다. 다섯 개의 용종 데이터셋과 한 개의 피부암 데이터셋에서 SOTA 방법보다 우수한 성능을 보였습니다.
