RADAR文本引导医学图像分割框架提出

2026年10月14日，arXiv Computer Vision 刊出 Jie Gui 等作者的论文，提出 RADAR（Residual Aggregation and Dense Alignment Representations），一个参数高效的文本引导医学图像分割框架。该框架将 BiomedCLIP 的医学语义锚定能力与 MedSAM2 的提示驱动掩码解码解耦并协同，并通过 LoRA 实现低成本任务适配。据该报道，在三个公开医学图像分割数据集上的实验显示，RADAR 仅用 0.74M 可训练参数即取得有竞争力的性能，体现出参数高效适配、语义锚定与稠密表示增强方面的有效性；源代码已公开。目前事件进展限于该框架的提出与实验报告，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。