Selectıve state space modelıng for multı-modal medıcal ımage synthesıs
Çoklu kip tıbbi görüntü sentezi için seçici durum uzayı modellemesi
- Tez No: 1018435
- Danışmanlar: PROF. TOLGA ÇUKUR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Medikal resimleme, Medical image
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çok kip tıbbi görüntüleme, daha iyi tanı ve tedavi planlaması için doku morfolojisi, işlevi ve patolojisi hakkında tamamlayıcı bilgiler sağlar. Ancak, tam kapsamlı çok kip görüntüleme protokollerinin elde edilmesi; uzun tarama süreleri, artan maliyet ve hasta rahatsızlığı nedeniyle zordur. Tıbbi görüntü sentezi, mevcut kaynak kip görüntülerinden eksik hedef kip görüntülerini tahmin ederek bu sınırlamaları giderebilir ve çok kip protokollere erişilebilirliği artırabilir. Ancak, kipler arasındaki doku sinyalleri arasındaki doğrusal olmayan ilişki ve hem ince anatomik ayrıntıların hem de geniş bağlamsal yapının korunması gerekliliği, bu görevi zorlu hale getirmektedir. Tıbbi görüntü sentezine yönelik mevcut derin öğrenme yaklaşımları genellikle evrişimli ya da dönüştürücü tabanlı mimarilere dayanır. Evrişimli sinir ağları (CNN'ler) güçlü yerel hassasiyet sağlar; ancak uzun menzilli bağımlılıklara duyarlılıkları sınırlıdır. Dönüştürücüler, dikkat mekanizmaları aracılığıyla bağlamsal modellemeyi iyileştirir; fakat hesaplama karmaşıklıkları, uzamsal çözünürlükte ödün verilmesine yol açar. Bu sınırlamaları ele almak amacıyla, bu tez seçici durum uzayı modellemesi yoluyla çok kip tıbbi görüntü sentezini incelemektedir. Bu tez kapsamında evrişim-Mamba hibrit bir model kullanılmaktadır. Çok kontrastlı MRG sentezi ve MRG'den BT'ye çeviri üzerine yapılan deneyler, önerilen yeni hibrit modelin, son teknoloji evrişimli, dönüştürücü ve durum uzayı tabanlı yöntemlere kıyasla sentez kalitesini hesaplama verimliliğiyle birlikte iyileştirdiğini göstermektedir.
Özet (Çeviri)
Multi-modal medical imaging provides complementary information about tissue morphology, function, and pathology, for improved diagnosis and treatment planning. However, acquiring complete multi-modal imaging protocols is difficult due to long scan times, increased cost, and patient discomfort. Medical image synthesis can help address these limitations by estimating missing target-modality images from available source-modality images, thereby improving the accessibility of multi-modal protocols. However, the nonlinear relationship between tissue signals across modalities and the need to preserve both fine anatomical detail and broad contextual structure make this task challenging. Existing deep learning approaches for medical image synthesis commonly rely on convolutional or transformer-based architectures. Convolutional neural networks (CNNs) provide strong local precision, but have limited sensitivity to long-range dependencies. Transformers improve contextual modeling through attention mechanisms, but their computational complexity leads to compromises in spatial resolution. To address these limitations, this thesis investigates multi-modal medical image synthesis via selective state space modeling. In this thesis, a convolution-Mamba hybrid model is used. Experiments on multi-contrast MRI synthesis and MRIto-CT translation demonstrate that the novel hybrid model improves synthesis quality over state-of-the-art convolutional, transformer, and state-space baselines while maintaining computational efficiency.
Benzer Tezler
- Active learning for semantic image segmentation through conformal risk control
Konformal risk kontrolü ile semantik görüntü bölütleme için etkin öğrenme
CAN ERHAN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Design and optimization of compact vivaldi antenna with matching medium for microwave brain imaging applications
Mikrodalga beyin görüntüleme uygulamaları için eşleştirme ortamına sahip kompak vıvaldı antenin tasarımı ve optimizasyonu
CAFER UYANIK
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Tersine lojistik ve sağlık kuruluşlarından kaynaklanan atıkların imhası için ağ tasarımı
Reverse logistics and network design for waste disposal in health institutions
AYŞENUR BUDAK
Yüksek Lisans
Türkçe
2013
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALP ÜSTÜNDAĞ
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Automotive radar interference mitigation with next generation sequence models
Yeni nesil dizi modelleri ile otomotiv radarlarında girişim giderme
ELİF ÖZTÜRK KOÇ
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER