Üç boyutlu abdominal CT görüntülerinin derin öğrenme yöntemleri ile segmentasyonu

Tanı koyma, tedavi planlaması ve hasta izlemi gibi klinik süreçlerde, iç anatomik yapıların hızlı ve doğru bir şekilde değerlendirilmesini mümkün kılan medikal görüntüleme teknikleri, modern tıbbın vazgeçilmez bir unsurudur. Üç boyutlu (3B) görüntüleme tekniklerinin gelişmesiyle birlikte, bu görüntülerden anlamlı bilgilerin otomatik olarak çıkarılmasını sağlayan segmentasyon yöntemleri, klinik uygulamalarda giderek daha fazla önem kazanmaktadır. Bu tez çalışmasında, 3B abdominal Bilgisayarlı Tomografi (CT) görüntüleri üzerinde çoklu organların otomatik olarak bölütlenmesi amaçlanmakta olup, derin öğrenme tabanlı modern segmentasyon mimarileri kullanılarak kapsamlı bir analiz gerçekleştirilmiştir. Çalışma kapsamında, 3D U-Net, UNETR ve Swin-UNETR gibi güncel derin öğrenme mimarileri detaylı biçimde karşılaştırılmakta; görüntü ön işleme adımları, veri artırma teknikleri, farklı kayıp fonksiyonları ve eğitim sonrası uygulanan işlemlerin segmentasyon doğruluğuna etkileri değerlendirilmiştir. Çalışmanın odak noktasını, segmentasyon başarımı düşük kalan, küçük ve yapısal olarak karmaşık organlar oluşturmaktadır. Bu doğrultuda, bağlam kaldırma ve veri setine özel olarak uygulanan transfer öğrenme gibi ileri düzey yöntemler kullanılmıştır. Bu tez çalışması, yalnızca farklı model yapılarını karşılaştırmakla kalmayıp, aynı zamanda klinik açıdan anlamlı segmentasyon hatalarının azaltılmasına yönelik bütüncül bir yaklaşım sunmaktadır. Elde edilen bulguların, 3B segmentasyon sistemlerinin klinik uygulamalara entegrasyonu açısından güçlü bir temel oluşturması ve bu alandaki literatüre nitelikli bir katkı sağlaması hedeflenmektedir. Çalışma sonucunda, farklı mimarilerin segmentasyon başarımı organ bazında detaylı şekilde analiz edilmiştir. Özellikle küçük ve düşük kontrastlı organlarda bağlamın korunmasının önemi ortaya konulmuş; transfer öğrenme ile desteklenen stratejilerin bu zorlu yapılarda daha tutarlı sonuçlar verdiği gözlemlenmiştir. Ek olarak, sadece model başarımı açısından değil, uygulama güvenilirliği, eğitim stabilitesi ve genellenebilirlik gibi parametreler de dikkate alınarak yapılan kapsamlı değerlendirmeler, geliştirilen yaklaşımların gerçek klinik sistemlerde kullanım potansiyelini göstermektedir. Bu doğrultuda tez çalışması, sadece akademik katkı sunmakla kalmayıp, tıbbi görüntüleme alanında etkili ve uygulanabilir çözümler geliştirme noktasında da yol gösterici niteliktedir.