SAM2 微调实现皮肤瘢痕分割

龙雷雷^1,2，张曦阳^1,2，马如飞³，付立军^1,4，王松军³

（1. 中国科学院 沈阳计算技术研究所，沈阳 110168；2. 中国科学院大学，北京 100049；3. 河北医科大学 河北省法医学重点实验室；法医学分子鉴定协同创新中心；法医学院，石家庄 050017；4. 山东大学 大数据人工智能实验室，济南 250100） 

摘要：瘢痕作为皮肤损伤的遗留证据是法医鉴定中的重要评价指标。但是由于人工分割和计算的主观性和误差，导致鉴定缺乏客观性和精准性。因此，寻求智能、精准的分割方法具有法医现实意义。本研究提出一种基于分割一切模型2（SAM2）的瘢痕图像分割方法。通过自制数据集，采用多阶段微调策略优化掩码解码器和提示编码器，且引入多尺度特征融合与动态权重机制，从而提升模型对低对比度、小目标及模糊边界的处理能力。与nnUNetv2、MedSAM-2和预训练SAM2相比，微调后的SAM2在Dice系数、交并比IoU和准确率等指标上均取得更优表现；验证了其在医学图像分割任务中的有效性和推广潜力。

关键字：分割一切模型2（SAM2），医学分割，瘢痕图像，神经网络  

扫二维码浏览全文

Cite this article

Long, L., Zhang, X., Ma, R. et al. Fine-Tuning SAM2 in Skin Scar Segmentation. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2881-x