基于SAM2的肺癌放疗动态影像肿瘤自动分割与实时追踪

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0.7307，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。

关键词

肺癌 / 放疗 / SAM2 / 呼吸运动 / 肿瘤追踪