Краткое содержание

arXiv:2510.25522v2 Тип объявления: замена Аннотация: Сегментация структур печени в многофазной контрастно-усиленной компьютерной томографии (CECT) играет ключевую роль в компьютеризированной диагностике и планировании лечения заболеваний печени, включая обнаружение опухолей. В данном исследовании мы оцениваем производительность архитектур на основе UNet для сегментации печёночных опухолей — от исходного UNet до расширенного варианта UNet3+, используя различные базовые сети. Мы тестируем ResNet, трансформеры и основанные на пространстве состояний архитектуры (Mamba), предварительно инициализируя их весовые коэффициенты предобученными значениями. Неожиданно оказалось, что несмотря на достижения современных архитектур, модели на основе ResNet стабильно превосходят альтернативы на основе трансформеров и Mamba по нескольким метрикам оценки качества. Для дальнейшего повышения точности сегментации мы внедряем механизмы внимания в базовую сеть и наблюдаем, что включение модуля свёрточного блока внимания (Convolutional Block Attention Module, CBAM) обеспечивает наилучшие результаты. Модели ResNetUNet3+ с модулем CBAM не только демонстрируют...