Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: Çanakkale Onsekiz Mart Üniversitesi, Lisansüstü Eğitim Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tez Danışmanı: Sait Can Yücebaş
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
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.