Краткое содержание

arXiv:2512.17488v1 Announce Type: cross Аннотация: Сегментация опухолей головного мозга критически важна для диагностики и планирования лечения данного заболевания. Однако современные методы глубокого обучения основаны на централизованном сборе данных, что вызывает проблемы с конфиденциальностью и ограничивает обобщаемость в различных учреждениях. В данной статье мы предлагаем TwinSegNet — фреймворк федеративного обучения с сохранением конфиденциальности, который интегрирует гибридную модель ViT-UNet с персонализированными цифровыми двойниками для точной и оперативной сегментации опухолей головного мозга. Наша архитектура объединяет сверточные кодировщики с узкими местами Vision Transformer для захвата локального и глобального контекста. Каждое учреждение дообучает глобальную модель на приватных данных для формирования своего цифрового двойника. Оцененная на девяти гетерогенных наборах данных МРТ, включая BraTS 2019-2021 и пользовательские коллекции опухолей, TwinSegNet достигает высоких показателей Dice (до 0.90%) и чувствительности/специфичности, превышающих 90%, демонстрируя устойчивость в условиях non-independent and identically distributed (независимого и одинаково распределенного) данных.