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, радиомика, анализ цифровых изображений в онкологии
Аннотация: Рак молочной железы занимает первое место по заболеваемости среди женщин, что требует точной сегментации опухолей на МРТ. Традиционная оценка ответа на неоадъювантную терапию по критериям RECIST недостаточно информативна для гетерогенных опухолей. Особую актуальность радиомика приобретает при анализе опухолевых очагов в динамике леПоказать полностьючения, она позволяет количественно оценивать изменения текстуры, формы и интенсивности сигнала, недоступные визуальной оценке. Цель работы - программная реализация полуавтоматической сегментации опухолей молочных желёз и сравнение согласованности динамических изменений до и после терапии на Python и в программе LIFEx. В проспективное исследование включены МРТ пациенток до и после неоадъювантной терапии. Разработанный инструмент на Python 3.11 реализует пороговые методы сегментации и кластеризацию. Критерий Вилкоксона подтвердил значимые изменения объёма опухоли и интенсивности сигнала после терапии (p<0,001) отдельно в разработанном приложении и в программе LIFEx. Полуавтоматическая сегментация обеспечивает результаты, сопоставимые с ручной разметкой, сохраняя контроль врача. Breast cancer leads in incidence among women, necessitating precise tumor segmentation on MRI. Traditional assessment of response to neoadjuvant therapy using RECIST criteria is insufficiently informative for heterogeneous lesions. Radiomics is particularly relevant when analyzing tumor lesions during treatment dynamics, as it enables quantitative assessment of changes in texture, shape, and signal intensity that are not accessible by visual evaluation. This study aims to implement a software tool for semi-automatic segmentation of breast tumors on MRI images and comparison of the consistency of dynamic changes before and after therapy using Python and the LIFEx software. The prospective study included MRI scans of female patients before and after neoadjuvant therapy. The developed software module in Python 3.11 implements threshold methods and clustering. The Wilcoxon test confirmed significant changes in tumor volume and signal intensity after therapy (pꢀ<ꢀ0.001) separately in the Python application and in LIFEx. Semi-automatic segmentation provides results comparable to manual annotation while maintaining physician control.
Журнал: ИТ. Наука. Креатив
Номера страниц: 215-220
Место издания: Омск