Deep compressıve mıcroendoscopy technology
Derin şıkıştırılmış mikroendoskopi teknolojisi
- Tez No: 894137
- Danışmanlar: PROF. DR. ALPAN BEK, DOÇ. DR. ŞEFİK EVREN ERDENER
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Fizik ve Fizik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Nörobilim Bilim Dalı
- Sayfa Sayısı: 153
Özet
Seyrek nüfuslu hücreleri boyamak ve bunları ışık mikroskobu altında incelemek sinir sistemi anlayışımızı önemli ölçüde değiştirmiştir. Günümüzde, uzak alan optik görüntüleme mikroskobu sinir sistemi dinamiklerinin altında yatan mekanizmaları ortaya çıkarmaya çalışan sinir bilimciler için vazgeçilmez bir araçtır. Geleneksel uzak alan optik görüntülemede, ışığın kırınımı uzamsal çözünürlüğü sınırlarken, Nyquist-Shannon örnekleme teoremi zamansal çözünürlüğü kısıtlar. Optik, hesaplamalı ve istatistiksel teknikler kullanılarak, canlı hücrelere uygulanan süper çözünürlüklü yöntemler kırınım sınırını aşmış ve gelişmiş uzamsal çözünürlük sağlamıştır. Ancak, bu teknikler genellikle hücrelere zarar verebilen, foto-toksisiteye ve foto-ağarmaya neden olabilen yüksek güçlü aydınlatma gerektirir. Ayrıca, süper çözünürlüklü yöntemler zaman alıcıdır ve uzamsal ve zamansal çözünürlüğü etkili bir şekilde dengelemekte zorlanır. Zamansal çözünürlüğü iyileştirmek bu alandaki araştırmacılar için bir öncelik olmaya devam etmektedir. Sıkıştırılmış Algılama (SA), geleneksel yöntemlere göre daha az veri kullanarak sinyalleri yeniden yapılandıran yeni bir teoridir. SA, mikroendoskopide veri ölçümlerini azaltırken, veri yoğun uygulamalarda seyreklik varsayımı nedeniyle düşük performans gösterir. Bilgisayar bilimindeki gelişmeler, özellikle Derin Öğrenme, optik görüntülerin yeniden yapılandırmasının otomasyonunu kolaylaştırarak zaman alıcı, zararlı ve maliyetli süreçleri ortadan kaldırmıştır. Bu gelişmeler göz önüne alındığında, zararlı ve maliyetli yöntemlerden kaçınarak optik görüntülerin yüksek zamansal çözünürlükle yeniden yapılandırmasını sağlayan araştırmalar alana önemli katkı sağlayacaktır. Derin Sıkıştırılmış Mikroendoskopi Teknolojisi (DSMT), görüntüleme sistemlerinin fiziğini anlamak ve sıkıştırılmış algılamalı optik görüntüleme gerçekleştirmek için kapsamlı ham veri kümelerinden yararlanarak bunu başarmayı amaçlamaktadır. Bu yaklaşım, optik elemanların etkisini en aza indirerek daha sağlıklı ve daha verimli bir bilgi aktarma yolu vaat etmektedir.
Özet (Çeviri)
Staining sparsely populated cells and examining them under light microscopy has dramatically transformed our understanding of the nervous system. Today, far-field optical imaging microscopy is an indispensable tool for neuroscientists seeking to uncover the mechanisms underlying nervous system dynamics. In conventional far-field optical imaging, light diffraction limits spatial resolution, while the Nyquist–Shannon sampling theorem constrains temporal resolution. Using optical, computational, and statistical techniques, super-resolution methods applied to living cells have surpassed the diffraction limit and enhanced spatial resolution. However, these techniques often require high-power illumination, which can damage cells, causing photo-toxicity and photo-bleaching. Also, super-resolution methods are time-consuming and struggle to balance spatial and temporal resolution effectively. Improving temporal resolution remains a priority for researchers in this field. Compressed Sensing (CS) is a novel theory that reconstructs signals using less data than traditional methods. While CS reduces data measurements in microendoscopy, its performance declines due to the sparsity assumption in data-intensive applications. Advances in computer science, particularly Deep Learning, have facilitated the automation of optical image reconstruction, eliminating time-consuming, harmful, and costly processes. Given these advancements, research that enables high temporal resolution optical image reconstruction while avoiding destructive and costly methods will significantly contribute to the field. Deep Compressive Microendoscopy Technology (DCMT) aims to achieve this by leveraging extensive raw datasets to understand the physics of imaging systems and performing compressed sensing optical imaging. This approach promises a healthier and more efficient way of transmitting information, minimizing the impact of optical elements.
Benzer Tezler
- Derin karıştırma yönteminde elastisite modülü ve serbest basınç mukavemeti arasındaki ilişkinin incelenmesi
Investigation of the relationship between elasticity modulus and unconfined compressive strength in deep mixing method
ENGİN CAN KAPTAN
Yüksek Lisans
Türkçe
2020
İnşaat Mühendisliğiİstanbul Üniversitesi-Cerrahpaşaİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. İLKNUR BOZBEY
- Analysis of wrinkling in deep drawing processes
Derin çekme işlemlerinde kırışma analizi
SANİYE RABİA OZÜL
Yüksek Lisans
İngilizce
2019
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK DARENDELİLER
- Otomatik üretim teknolojisine ait betonların basınç dayanımlarının makine öğrenmesi ve derin öğrenme yöntemleri ile tahmin edilmesi
Estimating the compressive strength of concrete with automatic production tecknology by machine learning and deep learning
HÜSEYİN KAYHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİHAN KAZAK ÇERÇEVİK
DR. ÖĞR. ÜYESİ ALİ ERDEM ÇERÇEVİK
- Deep learning-based unrolled reconstruction methods for computational imaging
Hesaplamalı görüntüleme için derin öğrenme tabanlı geriçatım yöntemleri
CAN DENİZ BEZEK
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ FİGEN ÖKTEM
- The deformation characteristics of deep mixed columns in soft clayey soils: A model study
Yumuşak kil zemin içinde derin karıştırma kolonlarının deformasyon karakteristikleri, bir model deney çalışması
MAHMUT YAVUZ ŞENGÖR
Doktora
İngilizce
2011
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Bölümü
PROF. DR. AHMET ORHAN EROL
PROF. DR. MEHMET UFUK ERGUN