Wavelet based deconvolution techniques in identifying fMRI based brain activation
fMRG tabanlı beyin aktivasyonlarının saptanmasında dalgacık dönüşümü teknikleri
- Tez No: 358066
- Danışmanlar: PROF. DR. AYDAN ERKMEN, YRD. DOÇ. DR. DİDEM GÖKÇAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 186
Özet
Fonksiyonel Manyetik Rezonans Görüntüleme (fMRG), beynin aktivasyon sürecini araştırmada kullanılan en yaygın yöntemlerinden biridir. Bizim tez çalışmamızın temel amacı, fMRG sinyallerini kullanarak, beyindeki aktif ve pasif vokselleri saptayıp, zamana bağlı olan beyin aktivasyonunu belirlemektir. Bu hedefe ulaşmak için sırasıyla iki adet ön hedefi gerçekleştirdik. İlk olarak, basit ve veritabanlı bir yöntem olan Fourier ve Wavelet Alanlarında Regülarizasyonlu Ters Konvolusyon(ForWaRD) metodunu kullanarak fMRG sinyalinden, bir vokselin aktif ya da pasif olduğunu gösteren bilgiyi, yani hemodinamik cevap fonksiyonunu (HCF) elde ettik.Daha sonra, Laplacian Özharitalama yöntemini kullanarak, elde ettiğimiz hemodinamik cevap fonksiyonlarını aktif ve pasif olma durumlarına bakarak sınıflandırdık. Bu sayede hem beyindeki aktif ve pasif vokseller hem de aktivasyon bölgeleri bulunmuş oldu. Bu tez çalışması ile birlikte ForWaRD yöntemi ilk kez fMRG sinyallerine doğrudan uygulanmıştır. Çıkarım yöntemi, üzerine gerçek MR gürültüleri eklenmiş, gerçek ve benzetimi yapılmış blok tasarım aktivasyon sinyallerinde test edilmiştir. ForWaRD işleminin çıkışı her bir voksel için HCF içermektedir. HCF çıkarımından sonra Laplacian Özharitalama yöntemi kullanılarak, aktif ve pasif vokseller HCF'lerinegöre sınıflandırılmışlardır. Bu çalışma ile ayrıca Laplacian Özharitalama yöntemi ilk defa HCF sınıflandırmada kullanılmıştır.Mevcut parametreler ile bu tezde uygulanan çıkarım ve sınıflandırma yöntemlerinin,sinyal özelliklerindeki değişimlere karşı çok dirençli oldukları görülmüştür. Bahsi geçen yöntemlerin verim analizleri, hassaslık ve belirlilik yönlerinden incelenmiş ve naçıklanmıştır. Bu ölçümler de sunduğumuz metotların farklı gürültü tiplerine ve sinyale özelliklerindeki değişikliklere karşı ne kadar güçlü olduğunu kanıtlamıştır.
Özet (Çeviri)
Functional Magnetic Resonance Imaging (fMRI) is one of the most popular neuroimaging methods for investigating the activity of the human brain during cognitive tasks. The main objective of the thesis is to identify this underlying brainactivation over time, using fMRI signal by detecting active and passive voxels. We performed two sub goals sequentially in order to realize the main objective. First, by using simple, data-driven Fourier Wavelet Regularized Deconvolution (ForWaRD)method, we extracted hemodynamic response function (HRF) which is the information that shows either a voxel is active or passive from fMRI signal. Second,the extracted HRFs of voxels are classified as active and passive using Laplaciann Eigenmaps. By this, the active and passive voxels in the brain are identified, and so are the activation areas.The ForWaRD method is directly applied to fMRI signals for the first time. The extraction method is tested on simulated and real block design fMRI signals, contaminated with noise from a time series of real MR images. The output of ForWaRD contains the HRF for each voxel. After HRF extraction, using Laplacian Eigenmaps algorithm, active and passive voxels are classified according to their HRFs. Also with this study, Laplacian Eigenmaps are used for HRF clustering for the first time. With the parameters used in this thesis, the extraction and clustering methods presented here are found to be robust to changes in signal properties. Performance analyses of the underlying methods are explained in terms of sensitivity and specificity metrics. These measurements prove the strength of our presented methods against different kinds of noises and changing signal properties.
Benzer Tezler
- Vibration-based fault detection for ball bearings
Bilyalı rulmanlarda titreşim verileri kullanılarak hasar tespiti
REZA GOLAFSHAN
Yüksek Lisans
İngilizce
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
- Yansımalı sismikte dekonvolüsyon (ters evrişim) ve bazı uygulamaları
Deconvolution in reflection seismic and its some applications
BERRİN SARIAHMETOĞLU
- İki foton uyartım temelli mikroskopik hücre görüntülerinden üç boyutlu yapının modellenmesi
3D modelling of two photon excitation based microscopic cell images
UFUK BAL
Doktora
Türkçe
2012
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ENGİN
- Image restoration and reconstruction using projections onto Epigraph Set of Convex Cost functions
Dışbükey maliyet fonksiyonları'nın epigraf kümesine dik izdüşümler kullanan imge restorasyonu ve yeniden inşa algoritmasi
MOHAMMAD TOFİGHİ
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
- Önkestirim dekonvolüsyonunda parametre seçimi ve uygulamaları
Selecting parameters of predictive deconvolution and applications
RECEP GÜNEY
Yüksek Lisans
Türkçe
2011
Jeofizik MühendisliğiKaradeniz Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KARSLI