Geri Dön

Derin öğrenme teknikleri ile sentetik panoramik diş röntgeni görüntüsü üretme

Generating synthetic panoramic dental x-ray images with deep learning techniques

PDF İndir

  1. Tez No: 1018973
  2. Yazar: MERTER HAMİ KARACAN
  3. Danışmanlar: DOÇ. DR. SAİT CAN YÜCEBAŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Derin öğrenme, Görüntü işleme, Radyografi-panoramik, Yapay zeka, Deep learning, Image processing, Radiography-panoramic, Artificial intelligence
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Çanakkale Onsekiz Mart Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu doktora çalışmasında panoramik diş röntgen görüntülerinin görüntü üreten derin öğrenme yöntemleri ile yapay olarak üretilmesi, sorunlarının tespit edilmesi ve çözülmesi, diğer görüntü işleme yöntemlerine katkısı ve uzmanlar ile öğrencilerin yapay panoramik görüntüleri değerlendirmesi amaçlanmıştır. ConvNeXt ve ConvNeXt v2 yaklaşımlarındaki modern konvolusyon değişiklikleri NVIDIA laboratuvarı tarafından önerilen koşullu görüntü üreten model SPADE üzerinde uygulanarak iyileştirmeler yapılmıştır. SPADE temelli üç yeni model önerilmiştir. Pix2pixHD, CLADE koşullu üretken modelleri ile performans karşılaştırmaları uygulanmıştır. Pix2pixHD modelinin ilk aşamalarında meydana gelen artefaktların giderilmesi için ResNet blokları ConvNeXt blokları ile değiştirilerek artefakttan arındırılmış Pix2pixHDv2 modeli önerilmiştir. Koşullu üretici modellerde diş maskelerine yapay çene maskeleri oluşturabilmek için MaxilloGAN adında hafif bir model önerilmiştir. SPADE2XGRNX, SPADE2XGRNX symmetry ve SPADE2XGRNX symmetryInBlocks modelleri FID, KID metriklerinde benzer modellerden daha iyi sonuçlar sağlamıştır, diş hekimleri ve diş hekimliği öğrencilerine uygulanan anket sonucunda da daha gerçekçi bulunmuştur. Pix2pixHDv2 modeli baz modelden daha hafif ve daha kaliteli görseller üretebildiğini FID, KID, DISTS ve LPIPS metrikleri ile göstermiştir. MaxilloGAN modeli performans ve işlem yükü açısından U-Net modelinden daha verimli olduğu gözlenmiştir.

Özet (Çeviri)

This doctoral study focuses on the artificial generation of panoramic dental radiographs using deep learning based image generation methods, the identification and resolution of related challenges, and the evaluation of synthetic images by experts and students. Modern convolutional modifications from ConvNeXt and ConvNeXt v2 were integrated into the NVIDIA-proposed SPADE conditional generative model, leading to the proposal of three new SPADE based architectures. Performance comparisons were conducted with Pix2pixHD and CLADE, and an improved Pix2pixHDv2 model was introduced by replacing ResNet blocks with ConvNeXt blocks to eliminate early stage artifacts. Additionally, a lightweight model named MaxilloGAN was proposed for generating artificial jaw masks from dental masks. The proposed SPADE2XGRNX variants and Pix2pixHDv2 outperformed comparable models according to FID, KID, DISTS, and LPIPS metrics and were perceived as more realistic in expert and student evaluations, while MaxilloGAN demonstrated higher efficiency than U-Net in terms of performance and computational cost.

Benzer Tezler

  1. Tez No

    982953

    Data and model based performance improvement in transfer learning by using generative adversarial networks and model fusion techniques

    Çekişmeli üretici ağlar ve model tümleştirme teknikleri kullanarak aktarımlı öğretimde veri ve model tabanlı performans iyileştirme

    TUĞÇE TOPRAK

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALPER SELVER

  2. Tez No

    921654

    EEG sinyallerinden derin öğrenme ile sentetik sinyal üretme

    Producing synthetic signals from EEG signals with deep learning

    HÜSEYİN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiSiirt Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH KUNCAN

  3. Tez No

    810499

    Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti

    Object detection in GPR images with deep learning based methods

    ORHAN APAYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeofizik Mühendisliğiİstanbul Teknik Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURGAY İŞSEVEN

  4. Tez No

    902017

    Deepfake image/video detection and classifications using deep learning techniques

    Derin öğrenme teknikleri kullanılarak deepfake görüntü/video tespiti ve sınıflandırmaları

    DEO RUTIKANGA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZEYNEL DEPREM

  5. Tez No

    542575

    Human activity recognition using deep learning

    Derin öğrenme ile insan aktivitesi tanıma

    MURAT YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜLYA YALÇIN

Geri Dön