引子
之前分享过一篇SAM（感兴趣的，请移步Segment Anything（SAM）环境安装&代码调试_segment anything环境-CSDN博客）环境搭建&推理测试，虽然话说Segment Anything，但是原始模型对于一些子领域的效果还是不尽如人意的。最近医学领域的分割引起了我的注意，调研了一圈，也想看看在医学领域是否有SAM，嘿，巧了，还真被我找到了。OK，让我们开始吧。
一、安装SAM环境
docker pull cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04
docker run -it --gpus="1" --rm -v /datas/work/zzq/:/workspace cnstark/pytorch:2.0.1-py3.9.17-cuda11.8.0-ubuntu20.04 bash
cd MedSAM
git clone GitHub - bowang-lab/MedSAM: Segment Anything in Medical Images
pip install -e . -i Simple Index
二、推理测试
1、下载模型后拷贝至work_dir/文件夹下
https://drive.google.com/drive/folders/1ETWmi4AiniJeWOt6HAsYgTjYv_fkgzoN
2、添加保存最终结果代码：
python MedSAM_Inference.py 148行 添加 plt.savefig("result.jpg")
3、测试结果如下：
三、训练
1、下载预训练模型
https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
2、下载训练集
MICCAI FLARE22 Challenge Dataset (50 Labeled Abdomen CT Scans)
3、训练
python train_one_gpu.py
4、模型转换
python utils/ckpt_convert.py