인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Automated carotid artery segmentation in ultrasound imaging is critical for clinical assessment, yet manual segmentation remains time-consuming and labor-intensive. Recent advances in the Segment Anything Model (SAM) have enabled automated segmentation through auto-prompting; however, existing approaches predominantly rely on either sparse prompts (e.g., bounding boxes and points) or dense prompts (e.g., previous-frame masks). Using only one type of prompt causes instability, including over-segmentation and error propagation, particularly in noisy ultrasound imaging. To address these limitations, we propose a sparse-dense integrated auto-prompt SAM that integrates complementary prompt types to enhance segmentation robustness. Inspired by human perceptual mechanisms, our method combines bounding boxes, key points, and edge-aware embeddings extracted from artery boundary maps, enabling SAM to better distinguish vessel structures from surrounding tissue. Experiments on the CCAUI and SegThy datasets demonstrate that the proposed method achieves 96.43% Dice, 93.13% IoU, and 0.17- pixels Hausdorff distance, outperforming conventional sparse-only or dense-only prompting strategies. These results highlight the efficacy of integrating sparse and dense auto-prompts for accurate carotid artery segmentation in ultrasound imaging.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096522953
