Segmentácia medicínskych dát je dôležitou súčasťou medicínskej praxe. Špeciálne pokiaľ sa jedná o prácu rádiológov, segmentácia značne zjednodušuje ich každodenné úlohy a zefektívňuje využívanie ich času, čo je prínosné najmä z dôvodu, že vo väčšine prípadov majú rádiológovia iba určité množstvo času, ktorý môžu venovať vyšetreniu jedného pacienta. Počítačová podpora diagnostiky je taktiež mocným nástrojom na elimináciu možného zlyhania ľudského faktoru. V tejto práci navrhujeme nový prístup k segmentovaniu ľudských orgánov. Primárne sa pritom zameriavame na segmentáciu ľudského mozgu z MR dát. Naša metóda je založená na presegmentovaní 3D dát do tzv. supervoxelov za použitia algoritmu SLIC. Jednotlivé supervoxely sú opísané množinou príznakov založenou na distribúcií intenzít obsiahnutých voxelov a na pozícií v rámci samotného mozgu. Supervoxely sú klasifikované neurónovými sieťami, ktoré trénujeme, aby rozhodli, či supervoxely patria k danému orgánu či tkanivu. Pre ďalšie spresnenie našej metódy využívame informáciu o tvare a vnútornej štruktúre orgánu. V konečnom dôsledku zavádzame 6-krokovú segmentačnú metódu založenú na použití klasifikácie. Výsledky práce sme porovnali so súčasnými modernými riešeniami, pričom sme dosiahli porovnateľné výsledky. Okrem globálneho cieľa tejto práce sa zameriavame na aplikovanie inžinierskych zručností a najlepších praktík, aby implementované riešenie bolo ľahko rozšíriteľné a udržovateľné v budúcnosti.