Diffusion tensor fiber tracking with self-organizing feature maps
Öz düzenleyici haritalar ile difüzyon tensör yolak takibi
- Tez No: 333113
- Danışmanlar: PROF. DR. MEHMED ÖZKAN
- Tez Türü: Doktora
- Konular: Biyomühendislik, Biyoteknoloji, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Difüzyon tensör görüntüleme, in vivo ak madde yolaklarını noninvasif olarak tahmin edebilme özelliği ile tektir. DT imgelerinin işlenmesi için uygun imge işleme ve görselleştirme araçlarına gerek duyulmaktadır. Ancak, belirsizlik bölgelerindeki çoklu yön içeren yolakların saptanabilmesi için uygun ak madde anatomik haritaları gerekmektedir. Kesişen yolak geometrileri içeren bu bölgeler DTG literatüründe kritik bir traktografi sorunu yaratmaktadır. Ak madde traktografisi standartlaşmayı ve genel olarak bu alanda çalışan pek çok araştırma grubunun ana ilgi alanı olan, kabul edilmiş yolak takip atlası saptanmasını gerektirmektedir. Bu tezde, yapay sinir ağlarının özel bir biçimi olan Kohonen özdüzenleyici haritaları, DT imgelerini analiz etmek amaçlı önerilmiştir. Özdüzenleyici haritaları tabanlı traktografi yaklaşımı SOFMAT (Özdüzenleyici Haritalama Traktografisi) gözetimsiz öğrenmeye dayalıdır ve yüksek boyutlu verinin topolojik sıralama kısıtına bağlı olarak 1B, 2B veya daha yüksek boyutta veri uzayına haritalanmasıdır. Gözetimsiz yaklaşım, SOFMAT'ın DTG'de yolaklara ait birincil difüzivitenin nöral yollar şeklinde düzenlemesine imkan sağlar. SOFMAT' ın sonucu topolojik haritaların önemli bir avantajı, girdi uzayının boyutu azaltılırken, girdi uzayının altında kalan yapıya sadık kalması ve korumasıdır. Sonuç olarak, girdi vektör desenini yansıtan olasılık yoğunluğu fonksiyonunu ifade eden ağırlıklarla bir yapay nöron haritası elde edilmektedir. Nörobiyolojik yaklaşımla, özdüzenleyici haritalarla öğrenen DT bilgisine dayalı yolak takip haritaları oluşturulması çalışmanın amacını oluşturmaktadır. Yapay sinir ağları mantığına dayalı bu yaklaşım yolak traktografisindeki belirsizlikleri çözümlemek için denenmiştir. PISTE isimli yapay veri seti SOFMAT'ın kapasitesini ölçmek için kullanılmıştır. Etkili bir konfigürasyon saptanması sonrasında, SOFMAT insan beyin traktografisine uygulanmıştır.
Özet (Çeviri)
The diffusion tensor imaging (DTI) is unique in its ability to estimate the white matter (WM) fiber tracts in vivo noninvasively. The post-processing of DT images needs proper image analysis and visualization tools. However, accurate WM anatomical maps should be provided to clarify the multiple orientational fiber paths within uncertainty regions. These regions with intersecting trajectories generate a critical tractography issue in DTI literature. WM fiber tractography needs a standardization, a generally accepted fiber tract atlas which is the main concern of the various research groups in the field. In this thesis, the special class of artificial neural networks (ANN) namely Kohonen's self organizing feature maps (SOFMs) is proposed for the analysis of DT images. This SOM based tractography approach called SOFMAT (Self-Organizing Feature Mapping Tractography) relies on unsupervised learning method for the mapping of high dimensional data into a 1D, 2D, or higher dimensional data space depending on the topological ordering constraint. The unsupervised approach enables SOFMAT to order the principal diffusivity of the fibers in the DTI into neural pathways. A major advantage of the topological maps produced by SOFMAT is that it retains the underlying structure of the input space, while the dimensionality of the input space is reduced. As a result, an artificial neuronal map is obtained with weights encoding the stationary probability density function of the input pattern vectors. Building fiber tracking maps based on the diffusion tensor information which learn through self organization in a neurobiologically aspect is the aim of the study. SOFMAT has been tested to reveal uncertainties in fiber tracking. A well known artificial dataset called PISTE was used to access the capabilities of SOFMAT. After identifying an affective configuration, SOFMAT was employed for human tractography.
Benzer Tezler
- Difüzyon tensör görüntüleme ile beyin beyaz cevher traktografisi ve yüksek çözünürlükte trak yoğunluk görüntülerinin elde edilmesi
Brain white matter tractography with diffusion tensor imaging and reconstruction of high resolution track density images
FATMA BETÜL KÖŞKER
Yüksek Lisans
Türkçe
2014
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUT TOKMAKÇI
YRD. DOÇ. DR. KAZIM ZİYA GÜMÜŞ
- Investigation of kinesio taping effects on muscular mechanics with novel imaging analyses
Kinezyo bantlamanın kas mekaniği üzerine olan etkilerinin güncel görüntüleme analizleri ile incelenmesi
SEDA YILDIZ
Doktora
İngilizce
2022
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. CAN A YUCESOY
- Desıgn a hyperresolutıon fıber trackıng system for optımal navıgatıon by the neurosurgeons ın deep braın stımulatıon
Derin beyin stimulasyonunda beyin cerrahlarinin optimal yönlendirilmesi amaci ile bir hyperresolution fiber takip sistemi tasarimi
RUHUNUR ÖZDEMİR
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK KARA
- Multiple skleroz hastalarında kognitif etkilenmenin konvansiyonel megnetik rezonans görüntüleme ve difüzyon tensor fiber traktografi ile araştırılması
Correlation of cognitive dysfunction diffusion tensor fiber tractography and convantional MRI measures in patients with multiple sclerosis
ÖZDEN OBUZ
- Multipl sklerozlu hastalarda difüzyon tensör görüntüleme ve fiber traktografi uygulaması
Diffusion tensor imaging and fiber tractography in multiple sclerosis patients
DEFNE GÜRBÜZ
Tıpta Uzmanlık
Türkçe
2010
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
DOÇ. DR. SAİT ALBAYRAM