Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: ИТ. Наука. Креатив; Омск; Омск
Год издания: 2026
Ключевые слова: radiomics, digital image analysis in oncology, mammography, segmentation, neoadjuvant therapy, breast cancer, радиомика, анализ цифровых изображений в онкологии, маммография, сегментация, неоадъювантная терапия, рак молочной железы
Аннотация: Предложен гибридный подход к сегментации маммограмм для радиомического анализа динамики рака молочной железы до и после неоадъювантной терапии. На данных девяти пациенток показано, что классические методы (Оцу, k-means, Canny) после лечения выделяют фиброзно-рубцовые изменения, а не остаточную опухоль. Разработанный Python-алгоритмПоказать полностьюиспользует маску до лечения как априорную область интереса, что обеспечивает корректное сопоставление изображений. Выявлены ключевые радиомические маркеры ответа (среднеквадратичное значение сигнала, компактность, сферичность, энергия). Результаты согласуются с гистологией и данными LIFEx, подтверждая потенциал метода для количественной оценки терапии. A hybrid approach to mammogram segmentation is proposed for radiomic analysis of breast cancer dynamics before and after neoadjuvant therapy. Data from nine female patients show that, after treatment, classical methods (Otsu, k-means, Canny) identify fibrotic- scar changes rather than residual tumor. The developed Python algorithm uses the pre-treatment mask as a prior region of interest, ensuring proper image registration and comparison. Key radiomic response markers (RMS, compactness, sphericity, energy) were identified. The results are consistent with histology and LIFEx data, confirming the method's potential for quantitative therapy assessment.
Журнал: ИТ. Наука. Креатив
Номера страниц: 187-193
Место издания: Омск