Blind deconvolution techniques in identifying fMRI based brain activation
fMRG tabanlı beyin aktivasyonlarının saptanmasında gözü kapalı ters evrişim teknikleri
- Tez No: 386738
- 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: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 284
Özet
Bu tez çalışmasında; benzer beyin voksellerini, belirli uyaranlara verilen tepkilere bağlı olarak gruplandırmak amacıyla, fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) veri incelemesi yapılmıştır. fMRG sinyalleri, sinirsel uyarı ile hemodinamik yanıt fonksiyonunun (HYF) evrişimi olarak düşünülmüş ve hemodinamik yanıt fonksiyonlarını içeren zaman dizilerinin bu sinyaller kullanılarak kestirimi yoluyla, beyin vokselleri gruplandırılmıştır. HYF kestirimi problemi; MAP kestirim yöntemi kullanan bir gözü kapalı ters evrişim algoritması yoluyla Bayesçi bir çerçeve dahilinde çalışılmıştır. Bu yaklaşım; voksellerde oluşan sinirsel uyarılarının bilinmemesi ve HYF üzerine herhangi bir model oturtulmaması dolayısıyla gözetimsiz ve modellerden bağımsızdır. Bu bağlamda, HYF dağılımının, küçük türevli fonksiyonlara meyil eden bir öncül Gauss dağılımı olduğunu kabul eden ve sadece fMRG sinyallerini girdi olarak kullanan başarılı bir HYF kestirim metodu geliştirilmiştir. Bu metot sadece HYF değil aynı zamanda söz konusu evrişimin diğer bileşenlerini de (sinirsel uyarılar ve gürültü) başarıyla kestirebilmektedir. Bunu takiben, kestirilmiş HYF'lerin arasında düzeltilmiş Hausdorff uzaklığı kullanılarak kurulan benzerlikler sayesinde veriler spektral olarak dönüştürülür ve bunlar EM gruplama yöntemi ile gruplandırılır. Yapılan simülasyonlara göre, geliştirilen metodun zamandaki kaymalara, örnekleme seğirmelerine, bağımsız Gauss gürültüye ve genlik sürüklenmelerine karşı gürbüz olduğu gösterilmiştir. Özellikle, aktif ve aktif olmayan beyin voxellerinin birbirlerinden ayrıştırılması noktasında, yapılan gerçek veri deneylerinde % 100 duyarlılık ve özgüllük tespit edilmiştir. Sonuç olarak bu tez çalışmasında matematiksel bir tabana oturan fMRG veri incelemesi için yeni bir Bayesci çerçeve geliştirilmiş, önerilmiştir. Deney ve simülasyon bulgularına göre, bilişsel süreçlerdeki çeşitlilikler yüzünden HYF tahmin edilemese bile, önerilen metot sayesinde halen yüksek kalitede aktivasyon tespiti mümkündür.
Özet (Çeviri)
In this thesis, we conduct functional Magnetic Resonance Imaging (fMRI) data analysis with the aim of grouping the brain voxels depending on their responsiveness to a neural task. We mathematically treat the fMRI signals as the convolution of the neural stimulus with the hemodynamic response function (HRF). We first estimate a time series including HRFs for each of the observed fMRI signals from a given set and we cluster them in order to identify the groups of brain voxels. The HRF estimation problem is studied within the Bayesian framework through a blind deconvolution algorithm using MAP approach under completely unsupervised and model-free settings, i.e, stimulus is assumed to be unknown and also no particular shape is assumed for the HRF. Only using a given fMRI signal together with a weak Gaussian prior distribution imposed on HRF favoring `smoothness?, our method successfully estimates all the components of our framework: the HRF, the stimulus and the noise process. Then, we propose to use a modified version of Hausdorff distance to detect similarities within the space of HRFs, spectrally transform the data using Laplacian Eigenmaps and finally cluster them through EM clustering. According to our simulations, our method proves to be robust to lag, sampling jitter, quadratic drift and AWGN (Additive White Gaussian Noise). In particular, we obtained 100% sensitivity and specificity in terms of detecting active and passive voxels in our real data experiments. To conclude with, we propose a new framework for a mathematical treatment for voxel-based fMRI data analysis and our findings show that even when the HRF is unpredictable due to variability in cognitive processes, one can still obtain very high quality activation detection through the method proposed in this thesis.
Benzer Tezler
- Source separation of seismological signals using blind deconvolution and independent component analysis techniques
Sismolojik işaretlerin kör ters evrişim ve bağımsız bileşenler analizi yöntemleri kullanılarak ayrıştırılması
YALÇIN KILIÇ
Yüksek Lisans
İngilizce
2006
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞİN BAYTAN ERTÜZÜN
PROF. DR. MUSTAFA AKTAR
- Blind image deblurring of linear motion with point spread function estimation in frequency domain
Lineer hareket sonucu oluşan kör bulanıklığın frekans alanında nokta dağılım fonksiyonunun tahmin edilmesi ile giderilmesi
BURÇİN DAĞISTAN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. DENİZ KARAÇOR
- Bayesian methods for deconvolution of sparse processes
Seyrek süreçlerin ters evrişimi için Bayesçi yöntemler
SİNAN YILDIRIM
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DR. ALİ TAYLAN CEMGİL
PROF. AYŞIN BAYTAN ERTÜZÜN
- Image text deblurring by convolutional neural networks
Konvolüsyonel sınır ağları ıle görüntü metın bulanıklığı gıderme
ALI SHAKIR MAHMOOD ALAHMED
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Optimizing the accuracy of tumor segmentation in PET for radiotherapy planning using blind deconvolution method
Radyoterapi planlaması için PET tümör segmentasyon doğruluğunun kör dekonvolüsyon metodu ile optimize edilmesi
ALPASLAN KOÇ
Doktora
İngilizce
2019
Mühendislik BilimleriBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ