Štúdia sa zameriava na plánovanie rekonštrukcie prsníka pomocou laloku DIEAP, kde je manuálna identifikácia perforačných ciev z CT angiografie prácna a variabilná. Vyvinuli nové AI potrubie, ktoré extrahuje anatomické osi ciev z CTA údajov a používa ich na vedenie segmentačných modelov hlbokého učenia. Porovnali zero-shot modely SAM 2, MedSAM-2 a nnInteractive, pričom najvýkonnejší nnInteractive doladili na klinických údajoch s Recall Loss pre zachovanie topológie ciev. Na testovacom súbore 9 pacientov sa koeficient podobnosti kociek zvýšil na 0,2755 z pôvodných 0,4. Vyladený model produkoval anatomicky prijateľnejšie a súvislejšie segmentácie ciev. Potrubie automaticky kvantifikovalo metriky ako dĺžka intramuskulárnej dráhy perforátorov a ich vzdialenosť od pupka. Tento AI nástroj znižuje manuálnu anotáciu a zlepšuje konzistentnosť predoperačného plánovania.