近日，國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議（IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2025）官方公布論文收錄結(jié)果。CVPR是是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的頂級(jí)會(huì)議之一，不僅在學(xué)術(shù)界具有極高的聲譽(yù)，同時(shí)在工業(yè)界也具有廣泛影響，是中國(guó)計(jì)算機(jī)學(xué)會(huì)A類推薦會(huì)議。

本次入選成果“Interactive Medical Image Segmentation: A Benchmark Dataset and Baseline”（以下簡(jiǎn)稱IMIS-Bench）由我校計(jì)算機(jī)學(xué)院視覺(jué)計(jì)算實(shí)驗(yàn)室與上海人工智能實(shí)驗(yàn)室合作完成，第一作者是四川大學(xué)計(jì)算機(jī)學(xué)院2021級(jí)博士研究生程俊龍，通訊作者是四川大學(xué)計(jì)算機(jī)院朱敏教授以及上海人工智能實(shí)驗(yàn)室何軍軍研究員。

交互式醫(yī)學(xué)圖像分割（IMIS）通過(guò)結(jié)合用戶交互輸入（如點(diǎn)擊、邊界框或文本提示），將人工智能的高效計(jì)算與臨床專家的專業(yè)經(jīng)驗(yàn)緊密融合，能夠?qū)崟r(shí)生成符合臨床需求的高質(zhì)量分割結(jié)果。然而，該領(lǐng)域長(zhǎng)期面臨數(shù)據(jù)規(guī)模和質(zhì)量的雙重瓶頸，缺乏類似自然圖像領(lǐng)域SA-1B數(shù)據(jù)集那樣大規(guī)模、高密度、標(biāo)注精確的數(shù)據(jù)集，限制了交互式醫(yī)學(xué)圖像分割技術(shù)的研究深度和實(shí)際應(yīng)用廣度。為突破交互式醫(yī)學(xué)圖像分割研究瓶頸，推動(dòng)人工智能深度融入醫(yī)療實(shí)踐，團(tuán)隊(duì)推出IMIS-Bench，一個(gè)交互式醫(yī)學(xué)圖像分割基準(zhǔn)框架，涵蓋大規(guī)模數(shù)據(jù)集IMed-361M和IMIS基線模型。

項(xiàng)目主頁(yè)：

https://uni-medical.github.io/IMIS-Benchmark/

論文鏈接：

https://arxiv.org/pdf/2411.12814

開(kāi)源代碼：

https://github.com/uni-medical/IMIS-Bench

開(kāi)源數(shù)據(jù)：

https://huggingface.co/datasets/General-Medical-AI/IMed-361M

IMIS-Bench三大亮點(diǎn)：

1、IMed-361M數(shù)據(jù)集是迄今為止規(guī)模最大、標(biāo)注最密集的交互式醫(yī)學(xué)圖像分割數(shù)據(jù)集。該數(shù)據(jù)集整合來(lái)自多個(gè)醫(yī)學(xué)數(shù)據(jù)平臺(tái)的640萬(wàn)張圖像和3.61億個(gè)掩碼，覆蓋14種成像模態(tài)以及幾乎人體所有解剖目標(biāo)和病灶，為基礎(chǔ)模型訓(xùn)練和評(píng)估提供了前所未有的支持。

2、IMIS-Net基線支持多種交互輸入（如點(diǎn)擊、邊界框和文本提示），能夠模擬連續(xù)交互場(chǎng)景，對(duì)分割結(jié)果進(jìn)行動(dòng)態(tài)優(yōu)化。無(wú)論在簡(jiǎn)單場(chǎng)景還是復(fù)雜場(chǎng)景中，IMIS-Net都展現(xiàn)出卓越的性能，為醫(yī)學(xué)圖像分割任務(wù)提供了更高的靈活性和精度。

3、IMIS-Bench提供了統(tǒng)一的基準(zhǔn)框架，對(duì)IMIS-Net和現(xiàn)有交互式分割方法進(jìn)行了全面、系統(tǒng)的性能評(píng)估。實(shí)驗(yàn)表明，IMIS-Net在多種模態(tài)和任務(wù)場(chǎng)景下超越現(xiàn)有技術(shù)。同時(shí)，團(tuán)隊(duì)還對(duì)多種交互策略對(duì)分割性能的影響進(jìn)行了深入研究，為模型的優(yōu)化和交互設(shè)計(jì)提供了寶貴的指導(dǎo)。

IMed-361M數(shù)據(jù)集將極大地促進(jìn)醫(yī)學(xué)影像領(lǐng)域基礎(chǔ)模型的發(fā)展，并為不同模型之間的公平評(píng)估奠定基礎(chǔ)。IMIS-Net提供了通用的技術(shù)支持，可應(yīng)用于多種臨床場(chǎng)景，加速人工智能技術(shù)在醫(yī)療領(lǐng)域的廣泛應(yīng)用。但這項(xiàng)工作仍面臨一些挑戰(zhàn)，例如：如何更有效地獲取交互式掩碼的語(yǔ)義信息，以及將這一方法擴(kuò)展到更全面和更精細(xì)的醫(yī)學(xué)圖像分析場(chǎng)景，仍是未來(lái)需要進(jìn)一步探索和改進(jìn)的方向。研究團(tuán)隊(duì)表示，IMIS-Bench將持續(xù)迭代，推動(dòng)AI輔助診療從實(shí)驗(yàn)室走向臨床落地。