提示引导的胸部CT间质性肺病交互式分割

间质性肺疾病（ILD）模式的准确分割对于定量疾病评估和纵向监测至关重要。然而，现有的方法仍然受到依赖于密集注释和产生无法细化的静态预测的限制，从而激发了交互式方法。虽然提示模型在交互式细分方面显示出前景，但它们对 ILD 的适应在很大程度上仍未得到探索。为了弥补这一差距，我们研究了 ILD 细化的即时引导基础模型，并据我们所知，首次采用 MedSAM2 在胸部 CT 上进行交互式 3D ILD 分割。我们研究了三种 微调 策略和多种临床动机提示：边界框 (BBox)、点、套索和涂鸦。在涵盖七种 ILD 模式和健康肺组织的数据集上，完整模型 微调 表现最佳，与 MedSAM2 相比，平均 Dice 得分提高了 4.7 个百分点。虽然 BBox 提示实现了最强的性能，但非原生 MedSAM2 交互（例如套索和涂鸦提示）也被证明是有效的。最后，我们提出并评估了一个概念验证的端到端工作流程，其中 MedSAM2 从自动分割中初始化，随后使用放射科医生的提示进行细化。模型权重和插件可在以下位置获取：https://github.com/AIHNlab/ILD-SemiSegTool。