У кваліфікаційній роботі досліджено методи сегментації зображень з використанням нейронних мереж, зокрема в умовах обмеженої кількості розмічених даних. Метою роботи є підвищення точності сегментації за допомогою сучасних архітектур глибокого навчання, таких як FCN, U-Net, DeepLabv3+, Attention U-Net, PSPNet, а також удосконалення моделі Attention U-Net за допомогою самоконтрольованого навчання. Реалізовано експериментальне порівняння моделей на наборі даних BraTS2020, проаналізовано вплив архітектурних рішень на якість сегментації за метрикою Dice. Робота також розкриває переваги використання самонавчання для покращення узагальнюваності моделей на малих вибірках.