Buchumschlag

SAM2-Aug: Prior knowledge-based Augmentation for Target Volume Auto-Segmentation in Adaptive Radiation Therapy Using Segment Anything Model 2

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Guoping, Dai, Yan, Zhao, Hengrui, Zhang, Ying, Deng, Jie, Lu, Weiguo, Zhang, You
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition Medical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

Large Language Model-Augmented Auto-Delineation of Treatment Target Volume in Radiation Therapy
von: Rajendran, Praveenbalaji, et al.
Veröffentlicht: (2024)

nnSAM: Plug-and-play Segment Anything Model Improves nnUNet Performance
von: Li, Yunxiang, et al.
Veröffentlicht: (2023)

Point-supervised Brain Tumor Segmentation with Box-prompted MedSAM
von: Liu, Xiaofeng, et al.
Veröffentlicht: (2024)

Deep Learning for Longitudinal Gross Tumor Volume Segmentation in MRI-Guided Adaptive Radiotherapy for Head and Neck Cancer
von: Tie, Xin, et al.
Veröffentlicht: (2024)

VAST: Vascular Flow Analysis and Segmentation for Intracranial 4D Flow MRI
von: Singh, Abhishek, et al.
Veröffentlicht: (2026)

CATNUS: Coordinate-Aware Thalamic Nuclei Segmentation Using T1-Weighted MRI
von: Feng, Anqi, et al.
Veröffentlicht: (2025)

ASPS: Augmented Segment Anything Model for Polyp Segmentation
von: Li, Huiqian, et al.
Veröffentlicht: (2024)

Proxy Prompt: Endowing SAM and SAM 2 with Auto-Interactive-Prompt for Medical Segmentation
von: Xinyi, Wang, et al.
Veröffentlicht: (2025)

Generative Style Transfer for MRI Image Segmentation: A Case of Glioma Segmentation in Sub-Saharan Africa
von: Chepchirchir, Rancy, et al.
Veröffentlicht: (2025)

Comparative Analysis of Deep Learning Architectures for Breast Region Segmentation with a Novel Breast Boundary Proposal
von: Narimani, Sam, et al.
Veröffentlicht: (2024)

AutoPET Challenge: Tumour Synthesis for Data Augmentation
von: Chan, Lap Yan Lennon, et al.
Veröffentlicht: (2024)

DeSAM: Decoupled Segment Anything Model for Generalizable Medical Image Segmentation
von: Gao, Yifan, et al.
Veröffentlicht: (2023)

Validation of Fully-Automated Deep Learning-Based Fibroglandular Tissue Segmentation for Efficient and Reliable Quantitation of Background Parenchymal Enhancement in Breast MRI
von: Kuo, Yu-Tzu, et al.
Veröffentlicht: (2025)

Segmentation of spinal rootlets across MRI contrasts with RootletSeg
von: Krejci, Katerina, et al.
Veröffentlicht: (2025)

Automated Registration of 3D Neurovascular Territory Atlas to 2D DSA for Targeted Quantitative Angiography Analysis
von: Dimopoulos, George, et al.
Veröffentlicht: (2024)

Mixture-of-Shape-Experts (MoSE): End-to-End Shape Dictionary Framework to Prompt SAM for Generalizable Medical Segmentation
von: Wei, Jia, et al.
Veröffentlicht: (2025)

CTorch: PyTorch-Compatible GPU-Accelerated Auto-Differentiable Projector Toolbox for Computed Tomography
von: Jiang, Xiao, et al.
Veröffentlicht: (2025)

Exploiting the Segment Anything Model (SAM) for Lung Segmentation in Chest X-ray Images
von: de Carvalho, Gabriel Bellon, et al.
Veröffentlicht: (2024)

RobustSAM: Segment Anything Robustly on Degraded Images
von: Chen, Wei-Ting, et al.
Veröffentlicht: (2024)

MedSAM2: Segment Anything in 3D Medical Images and Videos
von: Ma, Jun, et al.
Veröffentlicht: (2025)

Surgical SAM 2: Real-time Segment Anything in Surgical Video by Efficient Frame Pruning
von: Liu, Haofeng, et al.
Veröffentlicht: (2024)

Sparse Measurement Medical CT Reconstruction using Multi-Fused Block Matching Denoising Priors
von: Hossain, Maliha, et al.
Veröffentlicht: (2025)

Multisession Longitudinal Dynamic MRI Incorporating Patient-Specific Prior Image Information Across Time
von: Chen, Jingjia, et al.
Veröffentlicht: (2025)

Progress in SPECT and PET Reconstruction for Theranostics: From Diagnosis to Therapy
von: Enninful, Kweku, et al.
Veröffentlicht: (2025)

SAM3D: Zero-Shot Semi-Automatic Segmentation in 3D Medical Images with the Segment Anything Model
von: Chan, Trevor J., et al.
Veröffentlicht: (2024)

Segment Anything Model for Brain Tumor Segmentation
von: Zhang, Peng, et al.
Veröffentlicht: (2023)

GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI
von: Fortin, Marc-Antoine, et al.
Veröffentlicht: (2026)

SAM-I2I: Unleash the Power of Segment Anything Model for Medical Image Translation
von: Huo, Jiayu, et al.
Veröffentlicht: (2024)

Time-resolved dynamic CBCT reconstruction using prior-model-free spatiotemporal Gaussian representation (PMF-STGR)
von: Xie, Jiacheng, et al.
Veröffentlicht: (2025)

Adaptive wavelet‐VNet for single‐sample test time adaptation in medical image segmentation
von: Xiaoxue Qian, et al.
Veröffentlicht: (2024)

SAM3D: Segment Anything Model in Volumetric Medical Images
von: Bui, Nhat-Tan, et al.
Veröffentlicht: (2023)

A Classification-Based Adaptive Segmentation Pipeline: Feasibility Study Using Polycystic Liver Disease and Metastases from Colorectal Cancer CT Images
von: Wang, Peilong, et al.
Veröffentlicht: (2024)

SAM2S: Segment Anything in Surgical Videos via Semantic Long-term Tracking
von: Liu, Haofeng, et al.
Veröffentlicht: (2025)

Segment Anything in Medical Images
von: Ma, Jun, et al.
Veröffentlicht: (2023)

RSAM-Seg: A SAM-based Approach with Prior Knowledge Integration for Remote Sensing Image Semantic Segmentation
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

Efficient Radiation Treatment Planning based on Voxel Importance
von: Mair, Sebastian, et al.
Veröffentlicht: (2024)

Visualization of Organ Movements Using Automatic Region Segmentation of Swallowing CT
von: Michiwaki, Yukihiro, et al.
Veröffentlicht: (2025)

Retinal OCT Synthesis with Denoising Diffusion Probabilistic Models for Layer Segmentation
von: Wu, Yuli, et al.
Veröffentlicht: (2023)

Robust Real-time Segmentation of Bio-Morphological Features in Human Cherenkov Imaging during Radiotherapy via Deep Learning
von: Wang, Shiru, et al.
Veröffentlicht: (2024)