The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning.

Journal: Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
Published Date: Nov 6, 2024

Abstract

BACKGROUND: Promptable foundation auto-segmentation models like Segment Anything (SA, Meta AI, New York, USA) represent a novel class of universal deep learning auto-segmentation models that could be employed for interactive tumor auto-contouring in RT treatment planning.

Authors

  • Florian Putz
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Sogand Beirami
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Universitaetsstraße 27, 91054, Erlangen, Germany.
  • Manuel Alexander Schmidt
    Comprehensive Cancer Center Erlangen-EMN (CCC ER-EMN), Erlangen, Germany.
  • Matthias Stefan May
    Friedrich-Alexander-University Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Johanna Grigo
    Department of Radiation Oncology, University Hospital Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany.
  • Thomas Weissmann
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Philipp Schubert
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander Universität Erlangen-Nürnberg, 91054, Erlangen, Germany.
  • Daniel Höfler
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Universitätsstraße 27, DE- 91054, Erlangen, Germany.
  • Ahmed Gomaa
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany; Comprehensive Cancer Center Erlangen-EMN (CCC ER-EMN), Erlangen, Germany; Bavarian Cancer Research Center (BZKF), Erlangen, Germany.
  • Ben Tkhayat Hassen
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Universitaetsstraße 27, 91054, Erlangen, Germany.
  • Sebastian Lettmaier
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Universitaetsstraße 27, 91054, Erlangen, Germany.
  • Benjamin Frey
    Translational Radiobiology, Department of Radiation Oncology, Universitätsklinikum Erlangen & Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Udo S Gaipl
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Universitaetsstraße 27, 91054, Erlangen, Germany.
  • Luitpold V Distel
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Sabine Semrau
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Universitaetsstraße 27, 91054, Erlangen, Germany.
  • Christoph Bert
    Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany.
  • Rainer Fietkau
    Department of Radiation Oncology, Universitätsklinikum Erlangen & Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Erlangen, Germany.
  • Yixing Huang
    Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Martensstr. 3, 91058, Erlangen, Germany. yixing.yh.huang@fau.de.

Keywords

External Resources

Popular Topics
Recent Journals