Dolgozatomban egy olyan neurális háló alapú rendszer tervezését, fejlesztését valósítottam meg, amely képes 3 dimenziós orvosi leletek feldolgozására és hatékony, automatikus szegmentálására mélytanuló eljárások alkalmazásával. A rendszer optimális működéséhez több mélytanuló algoritmus működését vetettem össze, mint például a 2D U-Net, 3D U-Net, illetve a 3D V-Net. Az összehasonlításhoz többféle metrikát is számoltam, többek közt a dice együttható, precision (PPV), sensitivity, specificity (SP) és az accuracy (ACC) mérőszámokat. A fejlesztés során a felmerülő hibák korrigálásához prototípus készült el, a dolgozat bemutatását pedig modell rangsorolással, és az eredmények kiértékelésével zárom. A jelenleg ismert egyik legveszélyesebb és egyben leggyakoribb daganatfajta a glioblasztóma (glioblastoma multiforme, GBM). A felnőttkori rosszindulatú agyi elváltozások többségét ez a fajta teszi ki. Sajnos a legtöbb ilyen betegségben szenvedő ember átlagosan 12-18 hónapig él a diagnózis után, és az embereknek csak körülbelül 7%-a él még öt év múlva is. A modern diagnosztika során számítógépes képalkotó eljárások alkalmazásával sokkal precízebben meghatározható a tumor pontos helye az agyban, illetve könnyebben meghatározható a betegség súlyossága is. A képszegmentálási technológia gyakorlatban való alkalmazásával a készített rendszer az orvosok munkájának könnyítéséhez jelentős mértékben hozzájárulna. Ennek oka, hogy a vizsgálati eljárás nagy részében mentesítené az emberi munkaerőt. Az eljárás automatizálása gyorsítaná a diagnosztizálás folyamatát, amit egyszerűbb akár az orvosoknak is jóváhagyni. Segítségével jobb és hatékonyabb ápolási eredmények érhetőek el, emellett javulhat a páciensek véleménye is az egészségügyi rendszerekkel kapcsolatban.