Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: ИТ. Наука. Креатив; Омск; Омск
Год издания: 2026
Ключевые слова: scintigraphy, Image Segmentation, convolutional neural networks, U net, Bone scan index, import substitution, сцинтиграфия, сегментация изображений, свёрточные нейронные сети U-Net, импортозамещение
Аннотация: Костные метастазы являются частым осложнением злокачественных новообразований у пациентов с распространёнными формами рака. Традиционная визуальная оценка сцинтиграфических снимков субъективна и трудоёмка. В работе предложен метод автоматической сегментации костных метастазов на основе свёрточной нейронной сети U-Net++ с энкодером Показать полностьюResNet-34. Обучение проведено на 130 сцинтиграфических снимках (97 с метастазами, 33 здоровых). Достигнуты следующие показатели на тестовой выборке: Dice coefficient - 0,74, чувствительность - 0,81, точность - 0,71, специфичность - 0,99. Разработан алгоритм количественной оценки Bone Scan Index с разделением снимка на 4 анатомические зоны (череп, грудная клетка, таз, нижние конечности). Предложенный подход обеспечивает высокую точность сегментации и может служить основой для создания отечественного программного обеспечения для автоматизации диагностики костных метастазов. Bone metastases are a common complication of malignant neoplasms, occurring in patients with advanced cancer. Traditional visual assessment of scintigraphy images is subjective and time-consuming. This paper proposes a method for automatic segmentation of bone metastases based on a U-Net++ convolutional neural network with a ResNet-34 encoder. The model was trained on 130 scintigraphy images (97 with metastases, 33 healthy). The following results were achieved on the test set: Dice coefficient - 0.74, sensitivity - 0.81, precision - 0.71, specificity - 0.99. A quantitative Bone Scan Index assessment algorithm was developed, dividing the image into four anatomical zones (skull, chest, pelvis, lower extremities). The proposed approach provides high segmentation accuracy and can serve as a basis for creating domestic software for the automation of bone metastasis diagnosis.
Журнал: ИТ. Наука. Креатив
Номера страниц: 157-162
Место издания: Омск