Evaluation of best preprocessing practices for denoising fnirs signals collected during cognitive and motor tasks
Bilişsel ve motor görevler sırasında toplanan işlevsel yakın kızılaltı işaretlerini gürültüden arındırmak amacıyla kullanılan en iyi önişleme tekniklerinin değerlendirilmesi
- Tez No: 646186
- Danışmanlar: DR. ÖĞR. ÜYESİ SİNEM BURCU ERDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Acıbadem Mehmet Ali Aydınlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tıp Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Son yirmi yılda, işlevsel yakın kızılaltı spektroskopi (İYKAS), insan beyninin fonksiyonel organizasyonunu ve uzmanlığını araştırmak için pratik ve etkili bir beyin görüntüleme aracı haline gelmiştir. İYKAS sistemleri, non-invaziv ve kolay konfigürasyonu ve tasarımi ile, hızlı kurulum süresi ve planlanabilirligi nedeniyle sinirbilim araştırmalarında popülerlik kazanmıştır. Bununla birlikte, İYKAS çalışmalarında önemli bir sorun, sistemik fizyolojik, deneysel ve enstrümantal artefaktlar nedeniyle çeşitli gürültü kaynaklarının varlığı olmuştur. Enstrümantal gürültü dijital filtrelerle ortadan kaldırılabilirken, kalp atışı, kan basıncı, solunum aktivitesi ve vasküler tondaki değişikliklerin neden olduğu fizyolojik etkilerin frekans spektrumunun kritik bir kısmı, nöronal olarak indüklenen hemodinamik sinyallerinki ile örtüşmektedir. Bu tür sistemik dalgalanmaların varlığı, sinyallerin gerçek zamanlı incelenmesi sırasında yanlış pozitif ve yanlış negatifler ekleyerek sinyal-gürültü oranını bozar. Birçok çalışma fizyolojik gürültünün şiddetini vurgulasa da, nöronal aktivasyonun neden olduğu hemodinamik sinyalleri kaplayan sistemik fizyolojik artefaktları ortadan kaldırmak için hiçbir altın standart ön işleme tekniği henüz keşfedilmemiştir. Literatürde İYKAS sinyallerinden sistemik ve hareket artefaktlarının giderilmesi için çeşitli yöntemler önerilmiştir. Bu çalışmanın amacı, FNIRS literatüründe yaygın olarak uygulanan gürültü azaltma tekniklerini farklı önişleme standardlarında uygulamak ve toplanan İYKAS sinyalindeki sinyal / gürültü oranını artırmada 48 farklı filtre kombinasyonlarının performansını karşılaştırmaktır.
Özet (Çeviri)
Over the past two decades, FNIRS has become a practical and effective neuroimaging tool for investigating functional organization and specialization of the human brain. FNIRS systems have gained increasing popularity in neuroscience research due to non-invasive and light weight configuration and designs, field deployability, quick set-up time and planning. However, a major problem with FNIRS recordings has been the presence of various sources of noise mainly due to systemic physiological, experimental and instrumental artifacts. While instrumental noise can be eliminated by digital filters, a critical portion of the frequency spectrum of physiological effects caused by variations in heartbeat, blood pressure, respiratory activity and vascular tone overlap with that of the neuronally induced hemodynamic signals of interest. The presence of such systemic fluctuations degrades the signal to noise ratio by introducing false positive and false negatives besides real time interpretability of the signals. While many studies have emphasized the severity of physiological noise, no golden standard preprocessing technique could be proposed for eliminating systemic physiological artifacts which overlay hemodynamic signals induced by neuronal activation. Several methods for removal of systemic and motion artifacts from FNIRS signals have been proposed in the literature. However; no standardized pipeline of preprocessing steps could be reliably proposed as a gold standard for isolating the task related neuronally induced hemodynamic changes of interest. The aim of this study is to implement commonly applied noise reduction strategies in FNIRS literature into varying preprocessing pipelines and compare the performance of 48 different pipelines in increasing the signal to noise ratio in FNIRS signal collected during motor tasks.
Benzer Tezler
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- İçerik tabanlı atıf analizi modeli tasarımı: Türkçe atıflar için metin kategorizasyonuna dayalı bir uygulama
Designing a model for content-based citation analysis: An application for Turkish citations based on text categorization
ZEHRA TAŞKIN
Doktora
Türkçe
2017
Bilgi ve Belge YönetimiHacettepe ÜniversitesiBilgi ve Belge Yönetimi Ana Bilim Dalı
DOÇ. DR. UMUT AL
- A deep learning architecture for missing metabolite concentration prediction
Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi
SADİ ÇELİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇAKMAK
- Akciğerin skuamöz hücreli karsinomu ve adenokarsinomunun ayırıcı tanısında BT radıomıcs'in etkinliği
Effectiveness of CT radiomics in the differential diagnosis of squamous cell carcinoma and adenocarcinoma of the lung
KORAY ÖZ
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpÇanakkale Onsekiz Mart ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. BİLGE ÖZTOPRAK
- Mandibular angulus bölgesi favorable ve unfavorable fraktürlerinde uygulanan farklı fiksasyon metotlarının biyomekanik etkilerinin sonlu elemanlar analizi yöntemi ile incelenmesi
Evaluation of biomechanical effects of different fixation methods used in favorable and unfavorable mandibular angle fractures with finite element analysis method
AYSA AYALI
Doktora
Türkçe
2012
Diş HekimliğiYakın Doğu ÜniversitesiAğız, Diş, Çene Hastalıkları ve Cerrahisi Ana Bilim Dalı
PROF. DR. ERKAN ERKMEN