Deep Learning ermöglicht automatisierte Segmentierung von Uterusmyomen

Uterine Myome, die häufigsten gutartigen Tumoren des weiblichen Fortpflanzungssystems, betreffen mehr als 70 % der Frauen im gebärfähigen Alter. Sie verursachen häufig abnormales Blutungen, Unfruchtbarkeit, Schmerzen im Beckenbereich und Druckbeschwerden, was die Therapieentscheidungen stark beeinflusst.

Zur Diagnose werden Magnetresonanztomographien (MRT) eingesetzt, die eine präzise Darstellung von Uterus und Myomen erlauben. Die manuelle Segmentierung dieser Strukturen ist jedoch arbeitsintensiv, zeitaufwendig und von der Erfahrung der Fachärzte abhängig, was zu einer hohen Variabilität führt.

Deep‑Learning‑Algorithmen haben in den letzten Jahren die medizinische Bildsegmentierung revolutioniert und zeigen deutlich bessere Ergebnisse als klassische Verfahren. Zahlreiche Studien haben bereits automatisierte Segmentierungsmethoden für Myome entwickelt, allerdings basieren die meisten Arbeiten auf privaten Datensätzen, was die Validierung und den Vergleich erschwert. Ein zuverlässiges, öffentlich zugängliches System könnte die klinische Praxis erheblich entlasten und die Behandlungsqualität verbessern.