Алгоритмы ИИ очерчивают и сегментируют опухоли на медицинских изображениях для различных частей тела и модальностей визуализации.Сегментация опухолей — это специфическая задача в анализе медицинских изображений, где алгоритмы ИИ очерчивают точные границы опухолей на медицинских снимках. Это критически важно для планирования лечения, например, лучевой терапии, когда врачам необходимо точно воздействовать на опухоль, щадя здоровые ткани. Сегментация может выполняться на различных модальностях визуализации, включая МРТ, КТ и ультразвук, а также для разных частей тела, таких как мозг, предстательная железа или грудь.
Ранние методы сегментации основывались на ручном выделении контуров или классических методах обработки изображений, таких как пороговая обработка и выращивание областей. Появление полностью свёрточных сетей около 2015 года произвело революцию в этой области, позволив автоматическую и более точную сегментацию.
Модели сегментации, часто основанные на архитектурах U-Net, принимают изображение на вход и создают попиксельную маску, которая помечает каждый пиксель как опухоль или не-опухоль. Сеть обучается на изображениях, где границы опухолей были вручную размечены экспертами. В процессе обучения модель учится распознавать визуальные характеристики границ опухолей, такие как неправильная форма, контраст интенсивности и различия в текстуре. Продвинутые модели также могут учитывать пространственный контекст из 3D-объёмов, повышая точность.
Сегментация опухолей используется при планировании лучевой терапии, хирургической навигации и мониторинге роста опухоли со временем, как показано в исследованиях рака предстательной железы и глиобластомы.
Некоторые алгоритмы сегментации могут работать с «безлинзовой» визуализацией, реконструируя формы опухолей из теней на одном изображении, как было продемонстрировано для обнаружения рака груди.


















