[論文レビュー] Polyp-SAM: Transfer SAM for Polyp Segmentation

Yuheng Li, Mingzhe Hu+1 more|arXiv (Cornell University)|Apr 29, 2023

Colorectal Cancer Screening and Detection被引用数 15

ひとこと要約

Polyp-SAM はセグメント Anything Model（SAM）を結腸ポリープ分割のために微調整し、2つの転移戦略を比較することで、いくつかのデータセットで Dice スコアが 88% を超える最先端の結果を達成します。

ABSTRACT

Colon polyps are considered important precursors for colorectal cancer. Automatic segmentation of colon polyps can significantly reduce the misdiagnosis of colon cancer and improve physician annotation efficiency. While many methods have been proposed for polyp segmentation, training large-scale segmentation networks with limited colonoscopy data remains a challenge. Recently, the Segment Anything Model (SAM) has recently gained much attention in both natural and medical image segmentation. SAM demonstrates superior performance in several image benchmarks and therefore shows great potential for medical image segmentation. In this study, we propose Poly-SAM, a finetuned SAM model for polyp segmentation, and compare its performance to several state-of-the-art polyp segmentation models. We also compare two transfer learning strategies of SAM with and without finetuning its encoders. Evaluated on five public datasets, our Polyp-SAM achieves state-of-the-art performance on two datasets and impressive performance on three datasets, with dice scores all above 88%. This study demonstrates the great potential of adapting SAM to medical image segmentation tasks. We plan to release the code and model weights for this paper at: https://github.com/ricklisz/Polyp-SAM.

研究の動機と目的

• 自動的なポリップ分割を動機づけ、結腸鏡検査における誤診断の低減とアノテーション効率の改善を図る。
• Segment Anything Model（SAM）を医用画像分割に活用するため、ポリップデータで微調整を行う。
• SAM のエンコーダ微調整の有無による転移学習戦略を比較する。
• Polyp-SAM を複数の公開ポリップデータセットで評価し、一般化能力を検討する。

提案手法

• ポリップ分割のための SAM の微調整（Polyp-SAM）。
• エンコーダ微調整有りと無しの2つの転移学習戦略を比較する。
• Dice スコアを主要指標とした5つの公開ポリップデータセットでの評価。
• 最先端のポリップ分割モデルと比較する。

実験結果

リサーチクエスチョン

• RQ1 微調整を通じて SAM をポリップ分割に効果的に適応させられるか。
• RQ2 どの転移戦略（エンコーダの微調整有り vs 固定エンコーダ）がポリップ分割性能を向上させるか。
• RQ3 Polyp-SAM は既存法と比較して、多様な公開データセットでどのように性能を示すか。

主な発見

• Polyp-SAM は2つのデータセットで最先端の性能を達成。
• Polyp-SAM は3つのデータセットで印象的な性能を示す。
• 評価されたデータセットで Dice スコアが 88% を超える。