VesselSAM：基于AtrousLoRA的参数高效SAM适应方法用于主动脉血管分割

《BMC Medical Imaging》：VesselSAM: a parameter-efficient adaptation of SAM to aortic vessel segmentation with AtrousLoRA

　　

摘要

背景

在计算机断层扫描血管造影中，主动脉及其分支的精确分割需要在跨越多种血管直径范围的条件下描出细微血管和不规则边界。分割一切模型（SAM）提供了强大的预训练表示，但全编码器微调会更新大量参数，而传统的低秩适应（LoRA）在其任务特定更新中无法在不同感受野之间聚合图像上下文。

方法

我们提出了VesselSAM，一种参数高效的SAM适应方法，初始化为MedSAM，用于二值主动脉血管分割。AtrousLoRA通过在基础视觉Transformer（ViT-B）的每个图像编码器块中的查询和值投影处插入多分支空洞注意力模块，对每个秩4残差路径进行适应。我们在多中心主动脉血管树数据集和B型主动脉夹层数据集的患者级划分上进行评估，在验证和测试时使用精确的真值派生框提示。

结果

VesselSAM在主动脉血管树数据集的东阳、Rider和KiTS队列上分别达到了93.50%、93.25%和93.02%的切片平均Dice相似系数（DSC），在B型主动脉夹层数据集上达到93.26%。AtrousLoRA在四个队列和两种初始化方式下，DSC值比标准LoRA高出1.14至4.50个百分点。VesselSAM更新了680万个参数，占模型参数的7.2%。

结论

AtrousLoRA将多尺度空间处理集成到SAM的低秩适应中，用于主动脉血管分割。使用真值派生框提示的评估表明，在SAM和MedSAM两种初始化方式下，AtrousLoRA的DSC均高于标准LoRA。