Описан подход к решению задачи сегментации объектов исследования на снимках ангиографии при проведении процедуры транскатетерной имплантации аортального клапана (TAVI). В связи со
сложностью анализа большого объема данных для кардиохирургов в статье особое внимание уделено автоматическому анализу медицинских данных, обучению и сравнению современных архитектур нейронных сетей. Подробно рассмотрены и протестированы для прогнозирования масок корня аорты 50 нейронных сетей
(энкодеры U-net, U-net++, Linknet, FPN, DeepLabV3+ и декодеры Efficientnet-b0, Efficientnet-b1, Resnext50,
Resnet34, Regnetx32). На этапах обучения и тестирования каскад моделей FPN + Efficientnet-b0 позволил получить наилучшую точность прогнозирования по метрикам IOU 0,771, Dice 0,870. Проведенное исследование
показывает, что предложенный подход на основе нейросетевых каскадов, позволяющих идти не в сторону детектирования ключевых точек, а в направлении создания сегментационных масок, позволяет прогнозировать
в реальном времени расположение аортального клапана и системы доставки, тем самым способствуя правильному позиционированию клапана во время TAVI.