Geri Dön

New dimension reduction technique for brain decoding

Beyin okuma için yeni bir boyut küçültme tekniği

  1. Tez No: 416353
  2. Yazar: ARMAN AFRASİYABİ
  3. Danışmanlar: Prof. Dr. FATOŞ TUNAY YARMAN VURAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

Bu çalı¸smada, Fonksiyonel Manyetik Rezonans Görüntüleme(fMRG) verileri üzerinde boyut küçültme, analiz ve ayrımcı bilgileri de¸sifre i¸slemlerini gerçekle¸stiren yeni bir yapı önerilmi¸stir. Seyrek Zamansal Örgü Modeli (SZÖM) adı verilen bu yapı üç a¸sama ve bir görselleme aracından olu¸smaktadır. Yapının A a¸samasında, voksellerin birbirinden ba˘gımsız oldu˘gu varsayımına dayanarak, tüm voksellerin arasından bilgilendirici olanları bulmayı amaçlayan tek de˘gi¸skenli voksel seçim modeli kullanılmı ¸stır. Bu amaç için, tek yönlü varyans analizi (VA) veya kar¸sılıklı bilgi (KB) yöntemlerinden yararlanılmı¸stır. Daha sonra, B a¸samasında, beynin çok de˘gi¸skenli yapısına dayanarak, Özyinelemeli Boyut Eliminasyon (ÖBE) olarak bilinen çok de˘gi¸skenli voksel seçim yöntemi kullanılmaktadır. Son a¸sama olan C a¸saması ise kendi içerisinde iki alt a¸samadan olu¸smaktadır. C.1 alt a¸samasında, belirlenmi¸s ve tohum voksel adı verilmi¸s vokseller etrafında sabit boyutlu, bölgesel örgü modelleri kurulmaktadır. Kurulan bölgesel örgü modeller neticesinde, tohum vokseller ile kom¸su vokselleri arasında yay a˘gırlıkları adı verilen ili¸skiler kestirilmektedir. C.2 alt a¸samasında, VA özellik seçim yöntemi kullanılarak gereksiz yay a˘gırlıkları ortadan kaldırılmaktadır. Çok a¸samalı bu yapının yanısıra, t-Da˘gıtılmı¸s Stokastik Kom¸su Gömme (tSKG) isimli görüntüleme yöntemi her a¸samanın etkisini analiz etmek için kullanılmatadır. Elde edilen sonuçlar, geli¸stirilmi¸s olan Seyrek Zamansal Örgü Modeli'nin, beyin okuma amacı için ba¸sarılı bir ¸sekilde kullanılabilece˘gini göstermektedir.

Özet (Çeviri)

Bu çalı¸smada, Fonksiyonel Manyetik Rezonans Görüntüleme(fMRG) verileri üzerinde boyut küçültme, analiz ve ayrımcı bilgileri de¸sifre i¸slemlerini gerçekle¸stiren yeni bir yapı önerilmi¸stir. Seyrek Zamansal Örgü Modeli (SZÖM) adı verilen bu yapı üç a¸sama ve bir görselleme aracından olu¸smaktadır. Yapının A a¸samasında, voksellerin birbirinden ba˘gımsız oldu˘gu varsayımına dayanarak, tüm voksellerin arasından bilgilendirici olanları bulmayı amaçlayan tek de˘gi¸skenli voksel seçim modeli kullanılmı ¸stır. Bu amaç için, tek yönlü varyans analizi (VA) veya kar¸sılıklı bilgi (KB) yöntemlerinden yararlanılmı¸stır. Daha sonra, B a¸samasında, beynin çok de˘gi¸skenli yapısına dayanarak, Özyinelemeli Boyut Eliminasyon (ÖBE) olarak bilinen çok de- ˘gi¸skenli voksel seçim yöntemi kullanılmaktadır. Son a¸sama olan C a¸saması ise kendi içerisinde iki alt a¸samadan olu¸smaktadır. C.1 alt a¸samasında, belirlenmi¸s ve tohum voksel adı verilmi¸s vokseller etrafında sabit boyutlu, bölgesel örgü modelleri kurulmaktadır. Kurulan bölgesel örgü modeller neticesinde, tohum vokseller ile kom¸su vokselleri arasında yay a˘gırlıkları adı verilen ili¸skiler kestirilmektedir. C.2 alt a¸samasında, VA özellik seçim yöntemi kullanılarak gereksiz yay a˘gırlıkları ortadan kaldırılmaktadır. Çok a¸samalı bu yapının yanısıra, t-Da˘gıtılmı¸s Stokastik Kom¸su Gömme (tSKG) isimli görüntüleme yöntemi her a¸samanın etkisini analiz etmek için kullanılmatadır. Elde edilen sonuçlar, geli¸stirilmi¸s olan Seyrek Zamansal Örgü Modeli'nin, beyin okuma amacı için ba¸sarılı bir ¸sekilde kullanılabilece˘gini göstermektedir.

Benzer Tezler

  1. A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques

    Makine öğrenimi tekniklerini kullanarak manyetik rezonans görüntülerinden beyin tümörünün belirlenmesi için tıbbi karar verme sistemi

    ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  2. Aksolotl kol rejenerasyonu alanında mikrobiyota ve transkriptom verisinin madenciliği vasıtasıyla yeni aday biyobelirteçlerin keşfi

    Discovery of novel candidate biomarkers in the field of axolotl limb regeneration through mining of axolotl microbiota and transcriptome data

    MUHAMMED MUSTAFA ÖGDÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Biyoistatistikİstanbul Medipol Üniversitesi

    Sağlık Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KIVANÇ KÖK

  3. Development of machine learning algorithm for identification of vestibular system disorders

    Vestibüler sistem bozukluklarının teşhisi için makine öğrenimi algoritması geliştirilmesi

    SADDAM HEYDAROV

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT İKİZOĞLU

  4. Cam sektöründe talep tahmin yöntemlerinin uygulanması ve değerlendirilmesi

    Application and assessment of the demand forecasting methods in the glass sector

    NESLİHAN DEMİRCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT BASKAK