Geri Dön

Deep compressıve mıcroendoscopy technology

Derin şıkıştırılmış mikroendoskopi teknolojisi

  1. Tez No: 894137
  2. Yazar: ZAFER ÇILGIN
  3. Danışmanlar: PROF. DR. ALPAN BEK, DOÇ. DR. ŞEFİK EVREN ERDENER
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Fizik ve Fizik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Physics and Physics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
  12. Bilim Dalı: Nörobilim Bilim Dalı
  13. 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

  1. Tez No

    635926

    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

    Türkçe

    2020

    İnşaat Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İLKNUR BOZBEY

  2. Tez No

    581619

    Analysis of wrinkling in deep drawing processes

    Derin çekme işlemlerinde kırışma analizi

    SANİYE RABİA OZÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HALUK DARENDELİLER

  3. Tez No

    759658

    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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAN KAZAK ÇERÇEVİK

    DR. ÖĞR. ÜYESİ ALİ ERDEM ÇERÇEVİK

  4. Tez No

    695447

    Deep learning-based unrolled reconstruction methods for computational imaging

    Hesaplamalı görüntüleme için derin öğrenme tabanlı geriçatım yöntemleri

    CAN DENİZ BEZEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİNÇ FİGEN ÖKTEM

  5. Tez No

    285578

    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

    İngilizce

    2011

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Bölümü

    PROF. DR. AHMET ORHAN EROL

    PROF. DR. MEHMET UFUK ERGUN

Geri Dön