标题：AI一键解析九大生物医学成像模式，用户只需文字prompt交互，微软UW等新研究登Nature Methods

AI大模型BiomedParse能一键解析MRI、CT和病理学等九大生物医学成像模式。不仅能高精度识别复杂形状对象，还能通过对象识别阈值建模，自动检测无效的提示请求并拒绝分割。用户只需输入简单的临床语言提示，如“肿瘤边界”或“免疫细胞”，就能让AI准确识别、检测并分割图像中的相关区域。BiomedParse还能一次性同时分割和标记所有感兴趣的生物医学对象。

该模型由微软、华盛顿大学等机构联合开发，已登Nature Methods。传统上，不同成像模式需要专门的专家模型处理，而BiomedParse通过文本驱动图像解析，将九种医学成像模式整合在一个统一的模型中，支持对象识别、检测与分割任务。无论是影像级别的器官扫描还是细胞级别的显微镜图像，BiomedParse都能利用临床术语进行跨模式操作，为科学家和临床医生提供统一、智能的多模式图像解析方案。

在分割不规则形状的生物医学对象方面，BiomedParse表现卓越，精度比手动框选提高39.6%。研究团队利用GPT-4生成了首个覆盖对象识别、检测和分割任务的数据集BiomedParseData，包含超过600万个图像、分割标注与文字描述三元组。测试显示，BiomedParse在Dice系数上显著超越当前最优方法MedSAM和SAM，且无需手动边界框提示。BiomedParse还在复杂不规则对象识别上表现突出，远超传统模型。

展望未来，BiomedParse有望扩展到更多成像模式和对象类型，并与高级多模态框架集成，支持“对话式”图像分析，实现数据交互式探索。团队成员包括赵正德、顾禹、潘海峰、王晟和Mu Wei等华人学者。

论文地址：https://www.nature.com/articles/s41592-024-02499-w
项目网页：https://microsoft.github.io/BiomedParse/
代码：https://aka.ms/biomedparse-release
Azure API网页：https://ai.azure.com/explore/models/MedImageParse/version/3/registry/azureml?flight=ModelCatalogIndustryFilters&tid=72f988bf-86f1-41af-91ab-2d7cd011db47