Bogacsovics, GergőPóczos, Patrik2026-02-122026-02-122025https://hdl.handle.net/2437/404427A diplomamunka célja modern mélytanulási módszerek alkalmazásával történő orvosi CT felvételek képminőségének javítása volt, különös tekintettel az elmosódott képek szegmentálási pontosságának növelésére. A kutatás középpontjában a Generative Adversarial Network (GAN) és a különböző U-Net architektúrák teljesítményének összehasonlítása állt. A vizsgálatok során a GAN alapú képjavítás egyértelműen hozzájárult a szegmentációs eredmények javulásához, amit a vizsgált mutatók növekedése is alátámasztott. Ezen felül a szegmentálási feladathoz használt architektúrák közül meglepő módon a hagyományos U-Net stabil és megbízható teljesítményt nyújtott, felülmúlva a bonyolultabb, mélyebb modelleket. A generatív és szegmentáló hálózatok kombinációja ígéretes irányt jelent a jövőbeli orvosi képfeldolgozó rendszerek fejlesztésében, s megfelelő alapot teremtenek további vizsgálatokhoz.36humesterséges intelligenciagépi tanulásképminőség javításGANszegmentációU-Netorvosi képfeldolgozásInformatika::SzámítógéptudományHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.