SAM4MIS

把通用 SAM 快速改造成医学图像分割工具

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 81 🐛 待处理 1 👀 关注 25

GitHub ↗

GitHub 星标 ★ 1129

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，免费使用

项目预览

项目数据

分类计算机视觉

开发团队YichiZhang98

GitHubhttps://github.com/YichiZhang98/SAM4MIS

定价模式🏷️完全免费

价格说明开源项目，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

GitHub 星标★ 1129

上线时间2023-04-26 00:00:00

代码更新2026-11-05

仓库体积2.0 MB

本站数据更新2026-11-12

维护状态活跃

收录时间2026-11-12

浏览次数0

项目介绍

SAM4MIS 是一个围绕医学图像分割的开源项目集合，核心是把 Segment Anything Model（SAM）及其衍生变体适配到医学影像场景。项目汇总并整理了多种基于 SAM 的医学分割方法与实现，覆盖息肉、皮肤病变、器官、细胞等常见医学分割任务，帮助研究者快速了解不同 SAM 改进方案的思路与效果。它解决的问题是：通用 SAM 在医学图像上因域差异、标注稀缺、边界模糊等原因表现不稳定，需要针对性的微调策略、提示设计和结构改进。核心能力包括方法索引与对比、训练与推理代码参考、数据集与评测流程组织，以及为自定义医学数据接入 SAM 提供可复用的工程骨架。适合作为医学图像分割方向的研究基线、课程实验或产品原型的技术选型参考。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-12 · 当前星标 ★ 1129

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Git 命令行工具
可正常访问 GitHub 的网络环境
具备基础医学图像分割背景知识，便于理解论文索引
如需复现具体方法，需自备 Python 深度学习环境（README 未给出具体版本）

安装与启动步骤

1克隆仓库到本地

把 SAM4MIS 仓库完整下载到本地，便于离线阅读方法清单与论文链接。
```
git clone https://github.com/YichiZhang98/SAM4MIS.git
```
2进入项目目录

切换到仓库根目录，查看 README.md 中的方法分类与综述说明。
```
cd SAM4MIS
```
3阅读综述论文

README 给出 CIBM'24 综述链接，先读综述可快速建立方法全景认识。
4按任务定位方法

按息肉、皮肤病变、器官、细胞等任务，从索引中找到对应方法及其原始论文。
5到原仓库复现

本仓库只做汇总索引，实际训练与推理代码需前往各方法对应的原始仓库获取。