基于 Segment Anything 模型利用 CT、PET 和 MRI 多模态图像进行头颈部肿瘤分割
医学物理
2025-01-03 v1 计算机视觉与模式识别
摘要
深度学习为头颈部癌症 (HNC) 中 gross tumor volume (GTV) 的自动分割提供了新机遇，但全自动方法通常需要进行大量的人工修正。本研究调查了 Segment Anything Model (SAM)，该模型以需要极少的人工提示以及在自然图像上具有零样本泛化能力而闻名。我们特别考察了 MedSAM，这是一个利用大规模公共医学图像微调过的 SAM 版本。尽管取得了进展，但整合多模态图像 (CT、PET、MRI) 以实现有效的 GTV 勾勒仍然是一个挑战。聚焦于 SAM 在 HNC GTV 分割中的应用，我们评估了其在零样本和微调场景下，使用单一 (仅 CT) 和融合多模态图像的性能。我们的研究表明，在边界框提示已实现有效零样本结果的基础上，对 SAM 进行微调可显著提高其分割精度。这些发现为半自动 HNC GTV 分割开辟了一条充满希望的道路。
引用
@article{arxiv.2402.17454,
title = {Segment anything model for head and neck tumor segmentation with CT, PET and MRI multi-modality images},
author = {Jintao Ren and Mathis Rasmussen and Jasper Nijkamp and Jesper Grau Eriksen and Stine Korreman},
journal= {arXiv preprint arXiv:2402.17454},
year = {2025}
}