[1]朱泳琪,张华.基于SAM2的肺癌放疗动态影像肿瘤自动分割与实时追踪[J].中国医学物理学杂志,2026,43(5):614-623.[doi:DOI:10.3969/j.issn.1005-202X.2026.05.008]
　ZHU Yongqi,ZHANG Hua.SAM2-based automatic tumor segmentation and real-time tracking in dynamic imaging for lung cancer radiotherapy[J].Chinese Journal of Medical Physics,2026,43(5):614-623.[doi:DOI:10.3969/j.issn.1005-202X.2026.05.008]
点击复制

基于SAM2的肺癌放疗动态影像肿瘤自动分割与实时追踪()

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
43卷
期数:
2026年第5期
页码:
614-623
栏目:
医学影像物理
出版日期:
2026-05-28

文章信息/Info

Title:
SAM2-based automatic tumor segmentation and real-time tracking in dynamic imaging for lung cancer radiotherapy
文章编号:
1005-202X（2026）05-0614-10
作者:
朱泳琪; 张华
南方医科大学生物医学工程学院， 广东 广州 510515
Author(s):
ZHU Yongqi;  ZHANG Hua
School of Biomedical Engineering, Southern Medical University, Guangzhou 510515, China
关键词:
肺癌; 放疗; SAM2; 呼吸运动; 肿瘤追踪
Keywords:
Keywords: lung cancer radiotherapy Segment Anything Model 2 respiratory motion tumor tracking
分类号:
R318；R811.5
DOI:
DOI:10.3969/j.issn.1005-202X.2026.05.008
文献标志码:
A
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。
Abstract:
Abstract: To address the challenge in lung cancer radiotherapy where complex thoracic anatomical backgrounds lead to low tumor contrast in X-ray images and limited tracking accuracy, a Segment Anything Model 2 (SAM2) is introduced into lung tumor tracking for radiotherapy. Leveraging the core advantage of prompt-driven visual tracking capability, a tumor recognition and segmentation strategy suitable for clinical scenarios is developed, enabling consistent identification and continuous tracking of tumor regions in both static and dynamic images. The method is evaluated using 3 types of data, namely simulation data, phantom data, and clinical data. Results show that on simulation data, the model achieves an average inference speed of 11.5 FPS, and a mean Dice coefficient of 0.730 7, while maintaining favorable segmentation consistency across frames. In phantom experiments, 10 prompt clicks (5 foreground points and 5 background points) are found to provide the optimal segmentation setting. On clinical data, the model produces stable segmentation results that closely match the actual tumor morphology. The study indicates that SAM2 can address key difficulties in tracking tumor motion during lung cancer radiotherapy, providing technical support for precise lung cancer radiotherapy.

相似文献/References:

[1]吴巨海,徐子海,陈超敏,等.实时跟踪放疗中关联模型和预测算法[J].中国医学物理学杂志,2015,32(02):248.[doi:10.3969/j.issn.1005-202X.2015.02.022]
[2]史贵连,叶福丽.肺癌调强放疗计划的设计[J].中国医学物理学杂志,2015,32(03):361.[doi:10.3969/j.issn.1005-202X.2015.03.013]
[3]朱夫海,吴伟章,王 勇,等.肺癌螺旋断层放疗计划设计的初步研究[J].中国医学物理学杂志,2014,31(04):4979.[doi:10.3969/j.issn.1005-202X.2014.04.002]
[4]翁邓胡,王 建,尹中明,等.基于锥形束CT研究肺癌图像引导放疗的内靶区外放边界值[J].中国医学物理学杂志,2014,31(04):5012.[doi:10.3969/j.issn.1005-202X.2014.04.009]
[5]彭莹莹,张书旭,谭剑明,等.基于PCNN的PET/CT图像分割在肺癌靶区勾画中的应用[J].中国医学物理学杂志,2014,31(04):5022.[doi:10.3969/j.issn.1005-202X.2014.04.011]
[6]王 涛,王运来.基于4D-CT和Mimics软件模拟分析肺癌肿瘤的呼吸运动规律[J].中国医学物理学杂志,2014,31(05):5132.[doi:10.3969/j.issn.1005-202X.2014.05.008]
[7]杨海燕,王军良,周振山,等.放射生物学数学模型的研究进展[J].中国医学物理学杂志,2014,31(06):5253.[doi:10.3969/j.issn.1005-202X.2014.06.007]
[8]周 琼,周剑良,张一戈,等.基于锥形束CT肺癌放射治疗两种体位固定技术摆位误差的研究[J].中国医学物理学杂志,2014,31(06):5258.[doi:10.3969/j.issn.1005-202X.2014.06.008]
[9]张矛,金海国,苏清秀,等.肺癌静态调强与容积旋转调强放射治疗间比较[J].中国医学物理学杂志,2013,30(05):4364.[doi:10.3969/j.issn.1005-202X.2013.05.006]
[10]罗焕丽,靳富,王颖,等.肿瘤放疗中体外误差与体内误差的关联性[J].中国医学物理学杂志,2016,33(1):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]
　[J].Chinese Journal of Medical Physics,2016,33(5):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]

备注/Memo

备注/Memo:
【收稿日期】2026-03-15 【基金项目】广东省自然科学基金（2024A1515010523） 【作者简介】朱泳琪，硕士研究生，研究方向：医学图像处理，E-mail: 1103780861@qq.com 【通信作者】张华，副教授，硕士生导师，研究方向：医学图像处理，E-mail: xinsier@smu.edu.cn
更新日期/Last Update: 2026-05-29