DOI: 10.18413/2518-1092-2025-10-3-0-5

О СЕГМЕНТАЦИИ ПОЛИПОВ С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ SEGMENT ANYTHING MODEL

Евгений Юрьевич Щетинин
Анастасия Александровна Тютюнник

Полипы толстой кишки являются ключевыми предикторами развития колоректального рака, и их своевременное выявление играет решающую роль в профилактике онкологических осложнений. В работе предложена усовершенствованная модель автоматической сегментации полипов Polyps-SAM2, основанная на фундаментальной архитектуре Segment Anything Model 2 (SAM2). Модель адаптирована для медицинской визуализации путём тонкой настройки с заморозкой параметров кодировщика изображений и внедрением обучаемых слоёв для обработки текстовых инструкций. Эксперименты проведены на двух общепринятых наборах данных – Kvasir-Seg и CVC-ClinicDB. Polyps-SAM2 продемонстрировала высокую точность: значения метрик Dice и IoU составили 0.94 и 0.91 на Kvasir-Seg, а также 0.938 и 0.901 на CVC-ClinicDB, что превосходит или сопоставимо с современными методами сегментации. Несмотря на ограничения при обработке изображений с множественными полипами и зависимость от подсказок (например, ограничивающих рамок), предложенная модель обладает высокой обобщающей способностью и потенциалом для интеграции в клинические системы поддержки принятия решений при проведении колоноскопии.

Ключевые слова: полипы толстой кишки, сегментация, глубокое обучение, фундаментальные модели компьютерного зрения, трансформер.

Количество просмотров: 70 (смотреть статистику)

Количество скачиваний: 186

Полный текст (PDF)К списку статей

Информация для цитирования:

Щетинин Е.Ю., Тютюнник А.А. О сегментации полипов с использованием модели Segment Anything Model // Научный результат. Информационные технологии. – Т.10, №3, 2025. – С. 55-63. DOI: 10.18413/2518-1092-2025-10-3-0-5

Комментарии
Список литературы
Благодарности

Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.

Siegel R.L., Miller K.D., Wagle N.S., Jemal A. Cancer statistics, 2023. CA: A Cancer Journal for Clinicians. 2023. 73(1), p.17-48, doi: 10.3322/caac.21763
Antonelli G., Badalamenti M., Hassan C., Repici A. Impact of artificial intelligence on colorectal polyp detection. Best practice & research. Clinical gastroenterology. 2021. 52-53, 101713, doi: 10.1016/j.bpg.2020.101713
Shchetinin E.Yu., On the effectiveness of using visual transformers in detecting abnormalities of histopathological images. Mathematical models and computer simulations. 2025. 17(1), p.46-54, doi: 10.1134/S2070048224700716
Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015. Lecture Notes in Computer Science. 2015. V. 9351, doi: 10.1007/978-3-319-24574-4_28
Zhou Z., Rahman Siddiquee M.M., Tajbakhsh N., Liang J. UNet++: A Nested U-Net Architecture for Medical Image Segmentation. Deep Learning in Medical Image Analysis and Multimodal Learning for Clinical Decision Support. DLMIA ML-CDS 2018. Lecture Notes in Computer Science. 2018. V. 11045, doi: 10.1007/978-3-030-00889-5_1
Kirillov A., et al., Segment Anything. 2023. URL: https://arxiv.org/abs/2304.02643
He S., et al., Accuracy of Segment-Anything Model (SAM) in medical image segmentation tasks. 2023. URL: https://arxiv.org/abs/2304.09324
Dong H., Gu H., Chen Y., Yang J., Mazurowski, M. Segment anything model 2: an application to 2d and 3d medical images. 2024. URL: https://arxiv.org/abs/2408.00756
Jha D. et al. Kvasir-SEG: A Segmented Polyp Dataset. MultiMedia Modeling. MMM 2020. Lecture Notes in Computer Science. 2020. V. 11962, doi: 10.1007/978-3-030-37734-2_37
De La Torre R.M., Gonzalez A.A.C., Romero-Aroca A. CVC-ClinicDB: A public database for ophthalmology research. Proceedings of the 21st International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2018). 2018. pp. 430-439, doi: 10.1007/978-3-030-00934-2_49.
Fan D-P, et al. PraNet: Parallel Reverse Attention Network for Polyp Segmentation. Proceedings of the 2020 International Conference on Medical Image Computing and Computer-Assisted Intervention. 2020. p. 263–273, doi: 10.1007/978-3-030-59725-2_26
Patel K., Bur A.M., Wang G. Enhanced U-Net: A Feature Enhancement Network for Polyp Segmentation. IEEE International Conference on Robotics and Vision (ICRV). 2021. pp. 181-188, doi: 10.1109/CRV52889.2021.00032.
Zhang W., et al., HSNet: A hybrid semantic network for polyp segmentation. Computers in Biology and Medicine. 2022. 150, p. 106173, doi: 10.1016/j.compbiomed.2022.106173
Srivastava A., Jha D., Chanda, S., et al. MSRF-Net: A Multi-Scale Residual Fusion Network for Biomedical Image Segmentation. IEEE Journal of Biomedical and Health Informatics. 2021. 26(5), 2252–2263, doi: 10.1109/JBHI.2021.3138024
Dong B., et al., Polyp-PVT: Polyp segmentation with pyramid vision transformers. 2021. URL: https://arxiv.org/abs/2108.06932
Yuheng L., Mingzhe H., Xiaofeng Ya. Polyp-SAM: Transfer SAM for Polyp Segmentation. 2023. URL: https://arxiv.org/abs/2305.00293
Chih-Hung H., Hsin-Yu W., Yu-Lun L. HarDNet-MSEG: A Simple Encoder-Decoder Polyp Segmentation Neural Network that Achieves over 0.9 Mean Dice and 86 FPS. 2021. URL: https://arxiv.org/abs/2101.07172

Все журналы

Отправить статью

Научный результат. Информационные технологии включен в научную базу РИНЦ (лицензионный договор № 765-12/2014 от 08.12.2014).

Журнал включен в перечень рецензируемых научных изданий, рекомендуемых ВАК

Журнал индексируется следующими научными базами и платформами

Научный результат. Научный результат. Информационные технологии (ISSN 2518-1092)

The journal materials and website are licensed under Creative Commons «Attribution» 4.0 International.

Учредитель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Издатель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Редакция: главный редактор Черноморец Андрей Алексеевич, e-mail: RR_IT@bsuedu.ru, тел.: +7 (4722) 30-13-92.

Зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор)

Свидетельство о регистрации СМИ

Устав редакции средства массовой информации «Научный результат. Информационные технологии»

Информационное письмо (русс. яз)

Приказ № 636-ОД от 30.06.2023 "Об утверждении Уставов редакций средств массовой информации научных журналов НИУ «БелГУ»

Приказ № 1097-ОД от 15.11.2023 "Об утверждении Регламента издания научных журналов НИУ «БелГУ»"

Остались вопросы?
Можете написать нам:

✉ Ответственный cекретарь

✉ Администратор сайта

✉ Контент менеджер