Geri Dön

Optimization and machine learning in MRI: Applications in rapid mr image reconstruction and encoding models of cortical representations

MRG'de optimizasyon ve makine öğrenimi: Hızlı mr görüntü rekonstrüksiyonu vebeyindeki temsillerin kodlama modellerine uygulanışı

  1. Tez No: 615420
  2. Yazar: MOHAMMAD SHAHDLOO
  3. Danışmanlar: DOÇ. DR. TOLGA ÇUKUR
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 156

Özet

Manyetik rezonans görüntüleme (MRG) klinisyenler ve araştırmacılar tarafından vücut anatomisi ve sinirsel işlevi resmetmede yaygın olarak kullanılan müdahalesiz bir tıbbi görüntüleme yöntemidir. Fakat, görüntülemenin uzun sürüşü büyük bir problem olmaya devam etmektedir. Yakın zamanda, toplanan MRG sinyallerinin miktarını azaltarak ciddi bir hız artışına sebep olan birkaç teknik geliştirildi. Bu teknikler temelde birtakım düzenlenmiş optimizasyon problemleri çözümü gerektiren gelişmiş sinyal rekonstrüksiyon prosedürleri içermekte ve hızlandırılmış MRG'nin klinik uygulamalarda benimsenmesi bu problemlere getirilecek öz-ayar çözümlerine ciddi derecede dayanmaktadır. Ote yandan, bilişsel nörobilimdeki yeni deneysel yaklaşımlar insanların gündelik hayatta başlarından geçenlere oldukça benzeyen doğal işitsel-görsel uyaranların kullanımını teşvik etmektedir. Ancak, bu modern paradigmalar kaçınılmaz olarak büyük miktarda gömülü bilginin ortaya çıkarılması için gelişmiş istatistiksel ve sayısal tekniklerin kullanımını gerektiren devasa fonksiyonel MRG (fMRG) veri kümelerinin ortaya çıkmasına yol açmaktadır. Bu çalışmada hızlandırılmış MRG için yeni ve etkili bir veri-güdümlü öz-ayar rekonstrüksiyon metodu ileri sürüyoruz. Ileri sürülen metodun çeşitli temsili ve canlı üzerinde elde edilmiş (in vivo) veri kümeleri ve çeşitli görüntüleme konfigürasyonları altında üstün performans ortaya koyduğunu gösteriyoruz. Ayrıca, doğal filmlerdeki yüzlerce eylem kategorisinin beyindeki sinirsel temsilini ve bunların dikkate dayalı değişimlerini fMRG ile incelemek için istatistiksel analiz teknikleri geliştirdik. Son olarak beyindeki anlamsal bilgi entegrasyonunun zamansal kapsamını ölçmek ve dikkate dayalı değişimlerini doğal hikaye dinleme deneyinde toplanmış fMRG verisi kullanarak incelemek için modele dayalı bir altyapı geliştirdik. Ozetle, bu tezde ortaya konan metodolojik ve analitik yaklaşımlar hızlandırılmış MRG'nin klinik kullanımına ve gündelik hayatta beynin işleyişini anlamamıza büyük katkı sağlamaktadır.

Özet (Çeviri)

Magnetic Resonance Imaging (MRI) is a non-invasive medical imaging modality that is widely used by clinicians and researchers to picture body anatomy and neuronal function. However, long scan time remains a major problem. Recently, multiple techniques have emerged that reduce the acquired MRI signal samples, hence dramatically accelerating the acquisition. These techniques involve sophisticated signal reconstruction procedures that in essence require solving regularized optimization problems, and clinical adoption of accelerated MRI critically relies on self-tuning solutions for these problems. Further to this, recent experimental approaches in cognitive neuroscience favor employing naturalistic audio-visual stimuli that closely resemble humans' daily-life experience. Yet, these modern paradigms inevitably lead to huge functional MRI (fMRI) datasets that require advanced statistical and computational techniques to uncover the large amount of embedded information. Here, we propose a novel efficient data-driven self-tuning reconstruction method for accelerated MRI. We demonstrate superior performance of the proposed method across various simulated and in vivo datasets and under various scan configurations. Furthermore, we develop statistical analysis tools to investigate the neural representation of hundreds of action categories in natural movies in the brain via fMRI, and study their attentional modulations. Finally, we develop a model-based framework to estimate temporal extent of semantic information integration in the brain, and investigate its attentional modulations using fMRI data recorded during natural story listening. In short, the methodological and analytical approaches introduced in this thesis greatly benefit clinical utility of accelerated MRI, and enhance our understanding of brain function in daily life.

Benzer Tezler

  1. Kontrastsız manyetik rezonans görüntüleme ile yapay zeka modelleri kullanılarak multipl skleroz hastalarında beyindeki aktif plakların tanımlanması

    Identification of active lesions in the brains of multiple sclerosis patients on non-contrast magnetic resonance imagingusing artificial intelligence models

    EMRAH ÜLKER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer Tıpİnönü Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. MEHMET FATİH ERBAY

  2. Görüntü işlemede derin öğrenme tabanlı süper çözünürlük uygulamaları

    Deep learning based super resolution applications in image processing

    AHENK VURAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  3. Heart disease prediction project

    Kalp hastalıklarını önleme projesi

    RUBA AYAD YOUSIF AL-SAMMARRAIE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN KOYUNCU

  4. Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting

    Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma

    NADA CHAARI

    Doktora

    İngilizce

    İngilizce

    2021

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE CAMGÖZ AKDAĞ

    DR. ÖĞR. ÜYESİ ISLEM REKIK

  5. İnce ayar ile etkinliği artırılmış Cnn ve transfer öğrenme yöntemleriyle prostat kanserinin tespiti

    Diagnosis of prostate cancer with enhanced efficiency using fine-tuned Cnn and transfer learning

    MURAT SARIATEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERDAL ÖZBAY