基於自然語言交互的醫學影像分割模型潛力探索
本研究結合大型自然語言模型與 Segment Anything Model（SAM）技術，探討其在醫學影像辨識與影像分割中的應用潛力。透過 SAM 技術的應用，研究分析了一般照片、乳腺癌超音波影像與大腸內視鏡影像，
驗證SAM技術在多特徵場景的分割與辨識能力。研究結果顯示，該技術不僅在單一特徵的影像分析中表現出色，還能通過調整 Prompt（提示詞），適應多特徵場景和日常應用需求，展現出強大的靈活性與穩定性。藉由SAM結合不同 Prompt 的設計，可謂醫學影像的精準分析和病灶識別提供有效輔助，展現其在醫療應用及日常場景中的廣泛潛力。
