摘要：

MedSAM，这是为通用医学图像分割设计的首个基础模型。利用包含超过一百万张图像的精心策划的数据集的力量，MedSAM不仅优于现有的最先进的分割基础模型，而且表现出与专业模型相当甚至更好的性能。此外，MedSAM能够精确提取用于肿瘤负荷量化的基本生物标志物。MedSAM以前所未有的规模改编自SAM模型，拥有超过一百万对医学图像掩膜。通过70多个内部验证任务和40多个外部验证任务的综合实验，涵盖了各种解剖结构、病理条件和医学成像方式，对MedSAM进行了全面的评估。实验结果表明，MedSAM始终优于最先进的(SOTA)分割基础模型，同时实现与专业模型相当甚至超过专业模型的性能。这些结果突出了MedSAM作为医学图像分割的强大工具的潜力。

方法：

MedSAM是在一个可以处理不同分割任务的大规模数据集上训练的。a、数据集涵盖了各种解剖结构、病理状况和医学成像模式。b，每种模态的医学图像掩码对数量。c、MedSAM是一种提示式分割方法，用户可以使用边界框来指定分割目标。

 数据集：采用所有公开数据集

模型：在SAM上进行微调。

结果：

在各个数据集上都达成了最好的结果。