Сегментация и ЗD-реконструкция МРТ-снимков для улучшения методов диагностики заболеваний вен

Магнитно-резонансная томография (МРТ) - один из наиболее точных способов диагностики целого ряда заболеваний. При помощи МРТ можно с высоким уровнем точности получить информацию о строении и состоянии органов, сосудов, тканей и т. д. Процесс изучения МРТ-исследования состоит из анализа нескольких десятков изображений, сделанных в разных проекциях, поэтому его осмотр может требовать крайне много сил и времени. Автоматическая сегментация и 3D-реконструкция серии МРТ-снимков - задача, способная облегчить исследователю процесс их анализа. С середины 2010-х годов, когда широкое распространение сверточных нейронных сетей дошло до медицины, искусственный интеллект начал успешно конкурировать с профессионалами, решающими аналогичную задачу вручную. В результате был достигнут существенный прирост по сравнению с традиционными подходами как на новых, так и на старых наборах данных. В данной работе представляется подход к сегментации и построению трехмерной модели почек при помощи нейронных сетей и статистического анализа. Итоговая модель, обученная на небольшом объеме вручную размеченных данных, показала многообещающие результаты, и может использоваться как для визуализации имеющихся данных, так для подготовки обучающей выборки для более сложной архитектуры для повышения качества.