En este artículo, presentamos BreastSegNet, un algoritmo de segmentación multietiqueta para el análisis cuantitativo de imágenes de resonancia magnética mamaria. A diferencia de los métodos anteriores de segmentación de resonancia magnética mamaria, que se centraban en unas pocas estructuras anatómicas (p. ej., tejido fibroso o tumores), BreastSegNet incluye nueve estructuras anatómicas: tejido fibroso, vasos sanguíneos, músculos, huesos, lesiones, ganglios linfáticos, corazón, hígado e implantes. Los investigadores anotaron manualmente 1123 cortes de resonancia magnética tras la revisión de un radiólogo experto. Tras evaluar nueve modelos de segmentación, incluyendo U-Net, SwinUNet, UNet++, SAM, MedSAM y nnU-Net con múltiples codificadores basados en ResNet, nnU-Net ResEncM logró el mayor rendimiento, con una puntuación Dice promedio de 0,694 para todas las etiquetas. En particular, logró puntuaciones Dice superiores a 0,73 para corazón, hígado, músculo, tejido fibroso y hueso, y cercanas a 0,90 para corazón e hígado. Todos los códigos y pesos del modelo están disponibles públicamente y los datos se harán públicos en el futuro.
