ÇOK MODLU GÖRÜNTÜLEME İLE BAŞ VE BOYUN BÖLGESİNDE RİSK ALTINDAKİ ORGANLARIN OTOMATİK SEGMENTASYONU

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: SİNAN SEVGİ

Danışman: Murat Gezer

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, baş ve boyun bölgesindeki risk altındaki organların (Organ-at-Risk, OAR) otomatik segmentasyonunu iyileştirmek için YOLOv11 ve SAM2 derin öğrenme modellerini entegre ederek çok modlu görüntüleme (CT ve MR) yaklaşımı sunmaktadır. OAR segmentasyonu, radyoterapi planlamasında kritik bir öneme sahiptir. Geliştirilen model, adaptif radyoterapi süreçlerinde yüksek doğruluklu segmentasyon sağlayarak tedavi etkinliğini artırmayı ve yan etkileri azaltmayı hedeflemektedir. Bu amaçla, HaN-Seg veri seti kullanılarak model eğitimi gerçekleştirilmiş ve performansı Dice Benzerlik Katsayısı ile değerlendirilmiştir. Sonuçlar, önerilen yöntemin mevcut segmentasyon yöntemlerinden daha hassas ve tutarlı olduğunu göstermiştir.