换一批基于SAM2的肺癌放疗动态影像肿瘤自动分割与实时追踪
SAM2-based automatic tumor segmentation and real-time tracking in dynamic imaging for lung cancer radiotherapy
摘要针对肺癌放疗过程中,复杂胸部解剖背景导致肿瘤在X线图像中对比度低、追踪精度受限的问题,提出将Segment Anything Model 2(SAM2)引入肺癌放疗肿瘤追踪研究,依托其可提示视觉追踪任务的核心优势,构建适用于临床场景的肿瘤识别与分割策略,实现动态影像中肿瘤区域的连续追踪与识别.在仿真数据、体模数据及临床数据3类实验中对本文方法进行系统验证.结果表明,在仿真数据中,模型平均推理速度达到11.5 FPS,平均Dice系数为0.730 7,且帧间分割一致性良好;在体模实验中,确定10次点击提示(5个前景点、5个背景点)为最优分割参数配置;在临床数据中,模型亦可稳定输出与肿瘤真实形态高度贴合的分割结果.本研究表明,SAM2模型可有效解决肺癌放疗中肿瘤运动有效追踪的核心痛点,为肺癌精准放疗的顺利实施提供可靠的技术支撑.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.05.008
发布时间
2026-06-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广东省自然科学基金（2024A1515010523）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
