Одноцентровое исследование сравнило три архитектуры глубокого обучения для автосегментации HR-CTV по КТ-изображениям у 182 пациенток с раком шейки матки, получавших брахитерапию. 3D U-Net показала лучшие результаты: DSC 0.848±0.059 и HD95 2.755±1.688 мм, при этом 91/102 контура потребовали минимальной или не требовали коррекции врачом.

Ученые разработали новый алгоритм для автоматической сегментации левого желудочка в ПЭТ/КТ с помощью полусупервизорного nnU-net. Это может помочь улучшить диагностику сердечно-сосудистых заболеваний.

Исследование в Journal of Nuclear Medicine продемонстрировало высокую точность метода автоматической сегментации метаболического объема опухоли лимфомы с помощью ИИ, что может уменьшить ручной труд и вариабельность в лимфомном имиджинге.