В работе представлен метод слабо контролируемой сегментации трехмерных изображений головного мозга, полученных с использованием компьютерной томографии для диагностики острого ишемического инсульта. Метод основан на применении карты расстояний и карты весов для улучшения качества сегментации пораженных областей, что позволяет обозначить значимость центральных областей и корректировать важность спорных пограничных участков.

Так же используется метод сглаживания масок сегментации для сокращения малых областей, что способствует минимизации дефектов разметки и улучшению качества анализа. Использование карт расстояний в функции потерь при слабо контролируемом обучении модели позволяет обозначить значимость центральных областей и корректировать важность спорных пограничных участков.

В исследовании используются два типа данных: основной набор, состоящий из разметки, выполненной одним рентгенологом, и вспомогательный набор меньшего объема с несколькими вариантами разметки от различных специалистов. Анализ вспомогательного набора позволяет выявить ключевые характеристики несоответствий в разметке, возникающие вследствие сложности исследуемых изображений.

Для сегментации основного набора данных применяется модель U-Net в трехмерном формате. Используются функции потерь DICE и Focal для обучения модели, а для оценки качества прогноза применяется DICE-коэффициент. Экспериментальные результаты подтверждают эффективность предложенного метода.