تحدد خوارزميات الذكاء الاصطناعي الأورام وتحدد حدودها في الصور الطبية عبر أجزاء مختلفة من الجسم وطرق تصوير متعددة.تجزئة الأورام هي مهمة محددة في تحليل الصور الطبية حيث تحدد خوارزميات الذكاء الاصطناعي الحدود الدقيقة للأورام في الصور الطبية. وهذا أمر حاسم لتخطيط العلاج، مثل العلاج الإشعاعي، حيث يحتاج الأطباء إلى استهداف الورم بدقة مع الحفاظ على الأنسجة السليمة. يمكن إجراء التجزئة على طرق تصوير مختلفة، بما في ذلك التصوير بالرنين المغناطيسي والتصوير المقطعي المحوسب والموجات فوق الصوتية، وعلى أجزاء مختلفة من الجسم مثل الدماغ أو البروستاتا أو الثدي.
اعتمدت طرق التجزئة المبكرة على التتبع اليدوي أو تقنيات معالجة الصور التقليدية مثل العتبة ونمو المناطق. وقد أحدث إدخال الشبكات التلافيفية الكاملة حوالي عام 2015 ثورة في هذا المجال، مما مكّن من التجزئة التلقائية والأكثر دقة.
تأخذ نماذج التجزئة، التي تعتمد غالبًا على بنيات U-Net، صورة كمدخل وتنتج قناعًا على مستوى البكسل يسمي كل بكسل إما ورمًا أو غير ورم. يتم تدريب الشبكة على صور تم فيها تحديد حدود الورم يدويًا بواسطة خبراء. من خلال التدريب، يتعلم النموذج التعرف على الخصائص البصرية لحدود الورم، مثل الأشكال غير المنتظمة وتباين الشدة واختلافات الملمس. يمكن للنماذج المتقدمة أيضًا دمج السياق المكاني من الحجوم ثلاثية الأبعاد، مما يحسن الدقة.
تُستخدم تجزئة الأورام في تخطيط العلاج الإشعاعي، والملاحة الجراحية، ومراقبة نمو الورم بمرور الوقت، كما هو موضح في دراسات حول سرطان البروستاتا والورم الأرومي الدبقي.
يمكن لبعض خوارزميات التجزئة العمل مع تصوير "بدون عدسة"، حيث تعيد بناء أشكال الأورام من الظلال في صورة واحدة، كما تم توضيحه للكشف عن سرطان الثدي.


















