Segment Anything Model (SAM) 用于放射肿瘤学
图像与视频处理
2023-07-06 v2 计算机视觉与模式识别
机器学习
摘要
本研究评估了 Segment Anything Model（SAM）在临床放疗中的性能。结果表明，SAM 的“segment anything”模式在大多数危险器官（OARs）中可获得临床可接受的分割结果，Dice 分数高于 0.7。SAM 的“box prompt”模式进一步将 Dice 分数提升 0.1 至 0.5。考虑到器官大小与边界清晰度，SAM 对边界清晰的大器官表现更好，对边界不清晰的小器官表现较差。鉴于 SAM 这一仅在自然图像上预训练的模型能以临床可接受的准确率处理医学图像中 OARs 的勾画，这些结果凸显了 SAM 在放疗自动分割中具有稳定准确性的鲁棒泛化能力。换言之，SAM 可使用通用自动分割模型实现不同部位不同 OARs 的勾画。SAM 跨不同疾病部位的泛化能力表明，开发用于放疗自动分割的通用模型在技术上是可行的。
引用
@article{arxiv.2306.11730,
title = {Segment Anything Model (SAM) for Radiation Oncology},
author = {Lian Zhang and Zhengliang Liu and Lu Zhang and Zihao Wu and Xiaowei Yu and Jason Holmes and Hongying Feng and Haixing Dai and Xiang Li and Quanzheng Li and Dajiang Zhu and Tianming Liu and Wei Liu},
journal= {arXiv preprint arXiv:2306.11730},
year = {2023}
}