Geri Dön

Wavelet based deconvolution techniques in identifying fMRI based brain activation

fMRG tabanlı beyin aktivasyonlarının saptanmasında dalgacık dönüşümü teknikleri

  1. Tez No: 358066
  2. Yazar: EMİNE ADLI YILMAZ
  3. Danışmanlar: PROF. DR. AYDAN ERKMEN, YRD. DOÇ. DR. DİDEM GÖKÇAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Vibration-based fault detection for ball bearings

    Bilyalı rulmanlarda titreşim verileri kullanılarak hasar tespiti

    REZA GOLAFSHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. KENAN YÜCE ŞANLITÜRK

  2. Yansımalı sismikte dekonvolüsyon (ters evrişim) ve bazı uygulamaları

    Deconvolution in reflection seismic and its some applications

    BERRİN SARIAHMETOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Jeofizik Mühendisliğiİstanbul Üniversitesi

    PROF.DR. KURULTAY ÖZTÜRK

  3. 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

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiEge Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET ENGİN

  4. 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

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

  5. Önkestirim dekonvolüsyonunda parametre seçimi ve uygulamaları

    Selecting parameters of predictive deconvolution and applications

    RECEP GÜNEY

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Jeofizik MühendisliğiKaradeniz Teknik Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKAN KARSLI