Сегментация медицинских изображений: всесторонний обзор методов на основе глубокого обучения

Сегментация медицинских изображений — важное направление применения компьютерного зрения для анализа медицинских изображений. Её основная задача заключается в выделении областей интереса на медицинских изображениях на фоне окружающих тканей, что помогает практикующим врачам точно определять поражения, их размеры и расположение, а также взаимосвязь с окружающими тканями. Однако по сравнению с естественными изображениями медицинские изображения характеризуются рядом особенностей, создающих дополнительные трудности: низким разрешением, слабой контрастностью, неоднородностью и разрозненным расположением целевых областей. Кроме того, к точности и стабильности результатов сегментации предъявляются более строгие требования. В последние годы, в связи с широким применением сверточных нейронных сетей (CNN) в компьютерном зрении, методы сегментации медицинских изображений на основе глубокого обучения стали одним из основных направлений исследований. В статье систематизированы, рассмотрены и обобщены современные репрезентативные методы и состояние исследований в области сегментации медицинских изображений. Представлен сравнительный анализ соответствующих экспериментов, а также описаны часто используемые общедоступные наборы данных, метрики оценки эффективности и функции потерь для сегментации медицинских изображений. В заключение представлены прогноз и анализ перспективных направлений исследований и тенденций развития этой области.