Geri Dön

Assessment of undersampling strategies for accelerated multi-shell diffusion MRI

Hızlandırılmıs ̧çoklu-kabuk difüzyon MRG için alt-örnekleme stratejilerinin değerlendirilmesi

PDF İndir

  1. Tez No: 760997
  2. Yazar: ELİF AYGÜN
  3. Danışmanlar: DOÇ. DR. EMİNE ÜLKÜ SARITAŞ ÇUKUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Difüzyon manyetik rezonans görüntüleme (dMRG), su moleküllerinin nöral doku boyunca gerçekleştirdiği Brown hareketine duyarlı noninvaziv bir görüntüleme yöntemidir. Beyinde gerçekleşen difüzyonun, q-uzayının farklı yörüngelerle örneklenmesiyle ölçülmesi, dokunun mikroyapısal özelliklerinin standart görüntüleme çözünürlüğünden çok daha hassas ölçeklerle çözümlenebilmesini sağlamaktadır. Difüzyon Tensor Görüntüleme (DTG) klinikte en yaygın olarak kullanılan dMRG yöntemidir ve difüzyon anizotropisiyle birincil lif yönelimini çözümleyebilmektedir. Ancak beyinde gözlemlenen karmaşık lif yapılarının görüntülenmesi için birden fazla difüzyon yönelimi için çalışacak teknikler gerekmektedir. Yüksek Açısal Çözünürlüklü Difüzyon Görüntüleme (HARDI), q-uzayını olabildiğince yoğun bir alt örnekleme yapısıyla kapsayarak açısal çözünürlüğü arttıran bir tekniktir. Çoklu-Kabuk HARDI teknikleri, q-uzayını yarı çapı b-değerince belirlenen küresel yüzeyler üzerinde örnekler ve karmaşık lif yapılarının çözülmesine olanak sağlayarak pek çok nörodejeneratif hastalığın teşhisine imkan tanır. Bu tez iki farklı çoklu-kabuk dMRG yöntemine odaklanmaktadır: Modelden bağımsız bir yöntem olan Çoklu-Doku Çoklu-Kabuk Kısıtlı Küresel Ters Evrişim (ÇDÇK-KKTE), ve difüzyon modeli tabanlı bir teknik olan Nörit Oryantasyon Dağılımı ve Yoğunluk Görüntüleme (NODDI). Bu iki yöntem, beyindeki Yönelim Dağılım Fonksiyonunu (YDF) ve Yönelim Yayılımını (YY) çözümlemek için kullanılmaktadır. Bu yöntemlerin kullanılması için gerekli olan yüksek sayıdaki q-uzayı ölçümleri ve difüzyon görüntülerinde manyetik alınganlık kaynaklı bozulmaların düzeltilmesi için zıt faz kodlama yönlerinde görüntüler alınması gerekliliği, çoklu-kabuk HARDI protokollerinin çok uzun sürmesine sebep olmakta ve yöntemin klinik kullanım için uygunluğunu düşürmektedir. Bu tezde, çoklu-kabuk dMRG protokollerinin hızlandırılması için farklı alt-örnekleme stratejileri önerilmekte, ve bu stratejilerle elde edilen metrik haritalarının ve YDF'nin doğruluğu karşılaştırılmaktadır. Önerilen ilk alt-örnekleme yöntemi, q-uzayındaki her bir kabuğun Elektrostatik Enerji Enazlaması (EEE) yöntemi ile farklı oranlarda alt örneklenilerek yeni 2-kabuklu ya da 3-kabuklu gradyan tablolarının oluşturulmasıdır. İkinci yöntem ise zıt faz kodlama yönünde yalnızca tek bir b0 görüntüsü kullanmaktadır. Bu stratejiler, 20 gönüllü için dMRG verisinin R=2 ve R=3 seviyelerinde hızlandırılması için uygulanmıştır. Sonuçlar her bir metrik için en iyi performans gösteren alt örnekleme stratejisinin farklı olduğunu belirtmektedir. R=2 için 3-kabuklu stratejiler dMRG metriklerinin ve YDF'nin doğruluğu açısından daha iyi performans göstermektedir. Genellikle birbirini takip eden iki kabuk arasında gradyan noktası sayısı değişimi az olan stratejiler daha başarılıdr. R=3 için 2-kabuklu stratejiler daha başarılıdır ve dış kabuklarda daha çok sayıda gradyan noktası barındıran stratejiler diğerlerinden daha üstündür. Tüm stratejiler altında metrik haritaları, mikroyapısal özellikleri içermekte ve teşhis için önemli özellikleri korumaktadır. Bu analizler, çoklu-kabuk dMRG gradyan tabolarının hastalığa ve hedeflenilen metriğe özel tasarlanması ile klinik uygulamaların kolaylaştırılmasında, ve minimum bilgi kaybıyla veri toplama süresinin kısaltılmasında faydalı olacaktır.

Özet (Çeviri)

Diffusion Magnetic Resonance Imaging (dMRI) is a non-invasive imaging technique that can probe the Brownian motion of water molecules within the neurite tissue. Measuring diffusion in the brain by densely sampling the q-space allows quantification of neural microstructure characteristics on a much smaller scale than the regular imaging resolution. Diffusion Tensor Imaging (DTI), which can resolve diffusion anisotropy and primary fiber orientation, is one of the most clinically adopted dMRI techniques. However, white matter (WM) voxels in the brain often contain crossing fibers and complex neurite structures, requiring more sophisticated dMRI techniques. With the goal of resolving multiple diffusion orientations and increasing angular resolution, multi-shell High Angular Resolution Diffusion Imaging (HARDI) samples the q-space densely on multiple spherical surfaces with radii determined by the b-values. This technique allows inferring neurite characteristics of complex fiber bundles, enabling the diagnosis of many neurodegenerative diseases. This thesis focuses on two multi-shell dMRI methods: Multi-Shell Multi-Tissue Constrained Spherical Deconvolution (MSMT-CSD), a model-free method, and Neurite Orientation Dispersion and Density Imaging (NODDI), a model-based method. These methods are used to resolve the Orientation Distribution Function (ODF) and Orientation Dispersion (OD) in the brain. However, the requirement of high number of q-space measurements, combined with the need to acquire images with reversed phase encoding (PE) directions for susceptibility artifact correction, causes prolonged acquisition times and reduces the clinical utility of multi-shell dMRI. This thesis proposes several different undersampling strategies to accelerate multi-shell dMRI, and compares their performances based on the quality of estimated dMRI metrics and ODFs. The first undersampling approach is directly applied to the q-space using Electrostatic Energy Minimization (EEM) to produce 2- or 3-shell schemes with different combinations of gradient directions per shell. The second approach uses acquisitions with reversed PE directions for a single b0 volume only. These strategies are applied to achieve acceleration rates of R=2 and R=3 on dMRI data from 20 subjects. The results suggest that each diffusion metric prefers a different undersampling strategy. For R=2 case, 3-shell strategies perform better in terms of metric fidelity and ODF accuracy. Specifically, gradient tables with a lower variance in the number of q-space points between consecutive shells are preferable. For R=3 case, 2-shell strategies perform better and the strategies containing more gradient points on the outer shell are preferable. The metric maps produced from the undersampled data contain all the necessary microstructural information and preserve diagnostic properties. These analyses will be useful in designing disease and metric-specific multi-shell dMRI gradient tables to ease clinical applications and shorten the acquisition time with minimum loss of information.

Benzer Tezler

  1. Tez No

    887432

    Sınıflandırma yöntemlerinin performansının üretilmiş ve gerçek veri setleri kullanılarak incelenmesi

    Analyzing the performance of classification methods using generated and real datasets

    ÇİĞDEM KADAİFÇİ YANMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EYLEM DENİZ HOWE

  2. Tez No

    905863

    Performance comparasion of data level imbalanced data handling techniques on a binary classification problem

    Veri seviyesindeki dengesiz veri seti kullanım tekniklerinin ikili sınıflandırma problemleri üzerinde performanslarının karşılaştırılması

    DERYA NUR COŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. NURİ ÇELİK

  3. Tez No

    681275

    Systematic under-sampling of mutation datasets and comparative assessment of protein stability predictors

    Mutasyon veri setlerinin sistematik olarak örneklenmesi ve protein kararlılık prediktörlerinin karşılaştırmalı değerlendirmesi

    NAROD KEBABCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    BiyoistatistikAcıbadem Mehmet Ali Aydınlar Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DOÇ. DR. EMEL TİMUÇİN

  4. Tez No

    827157

    Corporate credit risk assessment: The case of a Turkish financial institution

    Kurumsal kredi risk değerlendirmesi: Bir Türk finans kurumu örneği

    BTISSAM HAJJAOUI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri MühendisliğiKadir Has Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE HÜMEYRA BİLGE

  5. Tez No

    747979

    Sınıf dengeleme yöntemlerinin makine öğrenmesi teknikleri üzerine etkisi: Kredi risk örneği

    The effect of class balancing methods on machine learning techniques: Example of credit risk

    MİGRAÇ ENES FURKAN MİLLİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BankacılıkDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. İPEK DEVECİ KOCAKOÇ

Geri Dön