Medical SAM3: Prompt-basierte Segmentierung für medizinische Bilder

Ein neues, universelles Segmentierungsmodell für die medizinische Bildgebung – Medical SAM3 – wurde vorgestellt. Durch ein vollständiges Fine‑Tuning des bestehenden SAM3‑Modells auf 33 heterogenen Datensätzen aus 10 verschiedenen Bildmodalitäten, sowohl in 2D als auch in 3D, konnte das System robuste, domänenspezifische Repräsentationen entwickeln, ohne dabei die Flexibilität von prompt‑gesteuerten Eingaben zu verlieren.

Die ursprüngliche Version von SAM3 zeigte bei medizinischen Daten erhebliche Leistungseinbußen, weil sie stark auf geometrische Vorurteile wie Ground‑Truth‑Bounding‑Boxes angewiesen war. Durch die Anpassung aller Modellparameter an die medizinischen Bilddaten konnte Medical SAM3 diese Schwächen überwinden und gleichzeitig die Fähigkeit beibehalten, mit Text‑ und Bild‑Prompts zu arbeiten.

In umfangreichen Tests über verschiedene Organe, Bildmodalitäten und Dimensionen hinweg erzielte Medical SAM3 konsistente und signifikante Verbesserungen. Besonders in herausfordernden Szenarien mit semantischer Mehrdeutigkeit, komplexer Morphologie und weitreichendem 3D‑Kontext zeigte das Modell deutliche Fortschritte.

Medical SAM3 stellt damit ein universelles, text‑gesteuertes Fundament für die medizinische Bildsegmentierung dar und eröffnet neue Möglichkeiten für die automatisierte Analyse komplexer anatomischer Strukturen.