基于改進(jìn)的SAM免疫組化細(xì)胞分割算法研究

打開文本圖片集

摘要：醫(yī)學(xué)領(lǐng)域的分割任務(wù)常需要使用專門的深度學(xué)習(xí)模型，Segment Anything Model（SAM）可實(shí)現(xiàn)目標(biāo)對(duì)象的有效分割，而SAM在醫(yī)學(xué)領(lǐng)域的適用性尚未得到充分探索.為進(jìn)一步挖掘SAM模型在醫(yī)學(xué)領(lǐng)域的應(yīng)用潛力，本研究將免疫組化數(shù)據(jù)的點(diǎn)標(biāo)注轉(zhuǎn)為掩碼標(biāo)簽，提出一種實(shí)用的損失函數(shù)加權(quán)組合策略，（剩余10584字）