Il carcinoma mammario è una delle principali cause di mortalità tra le donne a livello globale. Una diagnosi precisa è cruciale per migliorare la prognosi e ottimizzare i trattamenti. Dopo la diagnosi, la radioterapia richiede una segmentazione accurata dell'area tumorale per minimizzare l'esposizione dei tessuti sani e ridurre gli effetti collaterali. La tomografia a emissione di positroni (PET) combinata con la tomografia computerizzata (CT) ha rivoluzionato l’imaging oncologico, offrendo informazioni sia anatomiche che funzionali. Tuttavia, la segmentazione manuale delle immagini PET/CT presenta variabilità inter e intraoperatore. Questo progetto di tesi mira a sviluppare una rete neurale convoluzionale multimodale PET/CT, SegResNet, per la segmentazione automatica delle lesioni tumorali alla mammella in immagini 2D estratte da volumi 3D.