يُعدّ السرطان القولوني المستطيلي أحد أكثر أنواع السرطانات قاتلًا وانتشارًا في العالم. تُستخدم منظار القولون (Colonoscopy) للكشف عن الأورام الحميدة وتشخيصها في القولون، لكن معدل الكشف الحالي يُظهر معدل خطأ كبير يؤثر سلبًا على التشخيص والعلاج. قد يُسهم خوارزمية التجزئة التلقائية للصور في مساعدة الأطباء على تحسين معدل الكشف عن الأورام المرضية في القولون. علاوةً على ذلك، يمكن أن يُسهم تجزئة الأدوات المنظارية في الصور التي تُلتقط أثناء منظار القولون في دعم الجراحة المساعدة بالروبوت. في هذه الدراسة، قمنا بتدريب وتحقق من نماذج تجزئة مُدرّبة مسبقًا وغير مُدرّبة مسبقًا على مجموعتين مختلفتين من البيانات، تتضمنان صورًا للأورام الحميدة وأدوات منظارية. وفي النهاية، طبّقنا النماذج على مجموعتين منفصلتين للاختبار، حيث حققت أفضل نموذج للأورام درجة دايك (Dice Score) قدرها 0.857، في حين حقق نموذج الأدوات في الاختبار درجة دايك قدرها 0.948. وبالإضافة إلى ذلك، لاحظنا أن التدريب المسبق للنماذج زاد من أداء النماذج في تجزئة الأورام الحميدة والأدوات المنظارية.