Как научить программу рисовать зону облучения ✛

Оригинал: "Improving Clinical Target Volume Segmentation Accuracy using Anatomical Priors and Active Learning for the AGITG TOPGEAR Clinical Trial"
arXiv:2609.03186v1 · 2026-09-02 · CC BY 4.0 · 1 мин
Программа точнее выделяет область облучения при раке желудка, если ей показать соседние органы и дополнительно обучить на сложных случаях.

Когда врач лечит рак желудка облучением, он должен точно обозначить область, которую нужно облучить. Эта область не видна как отдельный орган, поэтому врачу приходится держать в голове расположение всех соседних органов. Программа nnU-Net учится делать то же самое, но сначала ей нужно показать примеры.

Учёные дали программе карту, на которой отмечены все органы брюшной полости. Это как схема улиц с подписанными зданиями: программа видит, где желудок, где кишка, и не заходит на чужую территорию. Ещё её дообучали на самых трудных случаях — тех, где программа сама не была уверена в ответе. Так она учится на своих ошибках.

Карта органов строится всего за шесть минут, а обучение программы занимает 22 часа. Карта сэкономила четыре раунда дообучения, каждый из которых требовал ручной проверки врачами.

После такого обучения программа рисует границу почти так же хорошо, как опытные врачи: её результат 0.87, а у врачей разброс 0.89. Теперь врач может доверить программе черновой вариант и проверять только сомнительные случаи. Это экономит время и помогает лечить пациентов.

Обучение одной модели заняло около 22 часов на GPU NVIDIA Quadro 8000, а разметка анатомических ориентиров для одного КТ — всего 6 минут. При этом добавление этой шестиминутной карты сэкономило четыре раунда активного обучения, каждый из которых требовал ручной проверки контуров двумя онкологами.

Понятия
сегментация опухолей искусственный интеллект в медицинской визуализации активное обучение сегментация медицинских изображений планирование лучевой терапии с помощью ИИ активная модель контура компьютерная томография цифровой двойник в здравоохранении глубокое обучение в медицинской визуализации