Машинное обучение для автоматической сегментации при планировании лучевой терапии

Ручная сегментация мишеней и органов риска — важный этап лучевой терапии. Она может занимать у врача несколько часов на одного пациента и подвержена меж- и внутриэкспертной вариабельности. Автоматическая сегментация с помощью компьютерных алгоритмов призвана решить эти проблемы. Развитие машинного обучения и компьютерного зрения позволило создать методы автоматической сегментации, сочетающие точность и высокую скорость. В обзоре рассмотрены методы и области применения автоматической сегментации при планировании лучевой терапии. Представлены традиционные подходы, включая анализ интенсивности, моделирование формы и методы на основе атласов. Основное внимание уделено применению машинного и глубокого обучения, в том числе сверточных нейронных сетей. Кроме того, рассмотрены перспективы автоматической сегментации на основе машинного обучения в клинической практике и препятствия, которые необходимо преодолеть для её широкого внедрения.