Medical-SAM2 使用与启动教程

1. 项目介绍

Medical-SAM2 是一个基于 Segment Anything Model 2 (SAM 2) 框架的高级分割模型，旨在解决二维和三维医学图像的分割任务。该模型的相关论文详细介绍了其设计原理和应用方法。Medical-SAM2 支持在多种操作系统和环境下运行，并为用户提供了一套完整的工具和脚本，以便于快速实现医学图像的分割。

2. 项目快速启动

环境准备

在开始之前，请确保您的系统中已经安装了以下环境和依赖：

• Ubuntu 22.04 或其他兼容操作系统
• Conda 23.7.4 或更高版本
• Python 3.12.4 或更高版本

创建虚拟环境

首先，创建并激活一个 Conda 虚拟环境：

conda env create -f environment.yml
conda activate medsam2

下载预训练权重

然后，从 checkpoints 文件夹中下载 SAM2 的预训练权重：

bash download_ckpts.sh

运行示例

以下是运行 2D 和 3D 分割任务的示例步骤：

2D 分割示例 - REFUGE 视网膜图像分割

步骤 1： 下载并解压 REFUGE 数据集：

wget https://huggingface.co/datasets/jiayuanz3/REFUGE/resolve/main/REFUGE.zip
unzip REFUGE.zip

步骤 2： 运行以下命令开始训练和验证：

python train_2d.py -net sam2 -exp_name REFUGE_MedSAM2 -vis 1 -sam_ckpt ./checkpoints/sam2_hiera_small.pt -sam_config sam2_hiera_s -image_size 1024 -out_size 1024 -b 4 -val_freq 1 -dataset REFUGE -data_path ./data/REFUGE

3D 分割示例 - BTCV 腹部多器官分割

步骤 1： 下载并解压 BTCV 数据集：

wget https://huggingface.co/datasets/jiayuanz3/btcv/resolve/main/btcv.zip
unzip btcv.zip

步骤 2： 运行以下命令开始训练和验证：

python train_3d.py -net sam2 -exp_name BTCV_MedSAM2 -sam_ckpt ./checkpoints/sam2_hiera_small.pt -sam_config sam2_hiera_s -image_size 1024 -val_freq 1 -prompt bbox -prompt_freq 2 -dataset btcv -data_path ./data/btcv

3. 应用案例和最佳实践

在本节中，我们将介绍一些应用 Medical-SAM2 的案例和最佳实践，帮助用户更好地利用该项目进行医学图像分割。

• 案例 1： 使用 Medical-SAM2 进行视网膜图像的精准分割，以辅助诊断眼科疾病。
• 案例 2： 对腹部 CT 图像进行多器官分割，为腹部疾病的治疗提供精确的图像分析。

4. 典型生态项目

Medical-SAM2 作为医学图像分割的开源项目，其生态系统包括但不限于以下项目：

• 数据集： REFUGE、BTCV 等公开医学图像数据集。
• 工具和库： Segment Anything Model 2 (SAM 2)、Python、Conda 等。
• 社区和论坛： GitHub、Hugging Face 等平台上的 Medical-SAM2 社区。

通过这些生态项目的支持，用户可以更加便捷地使用和扩展 Medical-SAM2 的功能。