본 논문은 대동맥 혈관 분할을 위해 Segment Anything Model (SAM)을 개선한 VesselSAM을 제안합니다. VesselSAM은 Atrous Attention과 Low-Rank Adaptation (LoRA)을 통합한 AtrousLoRA 모듈을 도입하여 성능을 향상시켰습니다. Atrous Attention은 다중 스케일 문맥 정보를 포착하여 미세한 국소 정보와 광범위한 전역 정보를 모두 보존하고, LoRA는 동결된 SAM 이미지 인코더의 효율적인 미세 조정을 가능하게 하여 학습 가능한 매개변수의 수를 줄이고 계산 효율성을 높입니다. Aortic Vessel Tree (AVT) 및 Type-B Aortic Dissection (TBAD) 데이터셋을 사용한 평가 결과, VesselSAM은 최첨단 성능(DSC score 93% 이상)을 달성하였으며 기존 대규모 모델에 비해 계산 오버헤드를 크게 줄였습니다.
