TV-SAM: Increasing Zero-Shot Segmentation Performance on Multimodal Medical Images Using GPT-4 Generated Descriptive Prompts Without Human Annotation

分割 计算机科学 人工智能 零(语言学) 注释 弹丸 图像(数学) 跳跃式监视 最小边界框 匹配(统计) 情报检索 计算机视觉 数学 统计 哲学 语言学 化学 有机化学
作者
Zekun Jiang,Dongjie Cheng,Ziyuan Qin,Jun Gao,Qicheng Lao,Abdullaev Bakhrom Ismoilovich,Urazboev Gayrat,Yuldashov Elyorbek,Bekchanov Habibullo,Defu Tang,Linjing Wei,Kang Li,Shouxin Zhang
出处
期刊:Big data mining and analytics [Tsinghua University Press]
卷期号:7 (4): 1199-1211
标识
DOI:10.26599/bdma.2024.9020058
摘要

This study presents a novel multimodal medical image zero-shot segmentation algorithm named the text-visual-prompt segment anything model (TV-SAM) without any manual annotations. The TV-SAM incorporates and integrates the large language model GPT-4, the vision language model GLIP, and the SAM to autonomously generate descriptive text prompts and visual bounding box prompts from medical images, thereby enhancing the SAM's capability for zero-shot segmentation. Comprehensive evaluations are implemented on seven public datasets encompassing eight imaging modalities to demonstrate that TV-SAM can effectively segment unseen targets across various modalities without additional training. TV-SAM significantly outperforms SAM AUTO $(p < 0.01)$ and GSAM $(p < 0.05)$ , closely matching the performance of SAM BBOX with gold standard bounding box prompts $(p=0.07)$ , and surpasses the state-of-the-art methods on specific datasets such as ISIC (0.853 versus 0.802) and WBC (0.968 versus 0.883). The study indicates that TV-SAM serves as an effective multimodal medical image zero-shot segmentation algorithm, highlighting the significant contribution of GPT-4 to zero-shot segmentation. By integrating foundational models such as GPT-4, GLIP, and SAM, the ability to address complex problems in specialized domains can be enhanced.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
gd发布了新的文献求助10
刚刚
汉堡包应助要啥自行车采纳,获得10
1秒前
CipherSage应助帅气的Q采纳,获得30
1秒前
欣论关注了科研通微信公众号
1秒前
希望天下0贩的0应助smile采纳,获得10
3秒前
科研通AI2S应助刘敏采纳,获得10
3秒前
魔幻灯泡完成签到,获得积分10
4秒前
阿晴完成签到 ,获得积分10
5秒前
Serendipity发布了新的文献求助10
5秒前
6秒前
YY完成签到,获得积分10
6秒前
7秒前
威武书桃发布了新的文献求助20
9秒前
土豆完成签到 ,获得积分10
9秒前
诗轩发布了新的文献求助10
9秒前
充电宝应助gd采纳,获得10
10秒前
Orange应助Shann采纳,获得10
12秒前
12秒前
Serendipity完成签到,获得积分10
12秒前
13秒前
zzzwln完成签到,获得积分10
13秒前
Rollei发布了新的文献求助10
14秒前
14秒前
发发发布了新的文献求助10
16秒前
16秒前
18秒前
19秒前
20秒前
ding应助科研通管家采纳,获得10
20秒前
桐桐应助科研通管家采纳,获得10
20秒前
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
xiepeijuan应助科研通管家采纳,获得10
20秒前
20秒前
搜集达人应助科研通管家采纳,获得100
20秒前
20秒前
xiepeijuan应助科研通管家采纳,获得10
20秒前
华仔应助科研通管家采纳,获得10
20秒前
20秒前
嗷嗷发布了新的文献求助10
21秒前
高分求助中
Earth System Geophysics 1000
Studies on the inheritance of some characters in rice Oryza sativa L 600
Medicina di laboratorio. Logica e patologia clinica 600
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Language injustice and social equity in EMI policies in China 500
mTOR signalling in RPGR-associated Retinitis Pigmentosa 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3207209
求助须知:如何正确求助?哪些是违规求助? 2856640
关于积分的说明 8105998
捐赠科研通 2521804
什么是DOI,文献DOI怎么找? 1355142
科研通“疑难数据库(出版商)”最低求助积分说明 642156
邀请新用户注册赠送积分活动 613393