Denoising and enhancement in medical imaging modalities using deep learning
Medikal görüntüleme sistemlerinde derin öğrenme ile gürültü azaltımı ve görüntü iyileştirme
- Tez No: 910411
- Danışmanlar: DOÇ. DR. HAKAN ERKOL, PROF. DR. MEHMET BURÇİN ÜNLÜ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Fizik ve Fizik Mühendisliği, Computer Engineering and Computer Science and Control, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Tıbbi görüntüleme hastalıkların teşhisi, izlenmesi ve tedavisi için hayati öneme sahip bilgiler sunmaktadır. Ancak, görüntü kalitesi ile tarama süresi arasındaki ters ilişki, günümüz sistemlerinin en büyük zorluklarından biridir. Bu tezde, ileri düzey derin öğrenme tekniklerinden yararlanarak, Raman spektroskopisi ve fotoakustik mikroskopide düşük kaliteli biyolojik sinyallerin ve görüntülerin iyileştirilmesi için yenilikçi yöntemler ele alınmaktadır. Raman spektroskopisi moleküler bilgi sağlama yeteneği ile öne çıkmakla birlikte, özellikle doku örnekleri üzerinde çalışırken uzun pozlama süreleri gerektirmektedir. Bu soruna çözüm olarak, on kat daha düşük pozlama süreleriyle elde edilen Raman spektrumlarında gürültü azaltımı için tam evrişimli bir kodlayıcı-çözücü mimarisi önerilmekteyiz. Elde ettiğimiz sonuçlar, geleneksel gürültü azaltma tekniklerine kıyasla üstün performans göstermekte olup, sinyal-gürültü oranında %20 ile %80 arasında iyileşme sağladığını ortaya koymaktadır. Öte yandan, fotoakustik mikroskopi, optik ve akustik görüntüleme avantajlarını bir araya getiren bir yöntemdir, ancak yüksek çözünürlükte geniş alanların taranması uzun zaman almaktadır. Bu problemi aşmak amacıyla, büyük veri kümelerine ihtiyaç duymadan görüntüleme sürecini hızlandıran DiffPam adlı yeni bir algoritma sunmaktayız. DiffPam, minimum bilgi kaybı ile tarama hızını beş kat artırmakta ve tepe sinyal-gürültü oranı ile yapısal benzerlik endeksi açısından geleneksel yöntemlere kıyasla üstün performans sergilemektedir. Raman spektroskopisi ve fotoakustik mikroskopideki bu gelişmeler, tıbbi görüntüleme kalitesi ve verimliliğini artırmak için derin öğrenmenin dönüştürücü potansiyelini ortaya koymaktadır.
Özet (Çeviri)
Medical imaging is a crucial component in the modern healthcare system, providing essential information for diagnosing, monitoring, and treating medical conditions. The trade-off between image quality and acquisition time is the key challenge in this area. High-quality imaging often requires prolonged scanning, leading to delays in diagnosis and treatment. State-of-the-art approach to mitigating this challenge is enhancing fast-scanned images via computational methods, which can improve efficiency without compromising quality. In this thesis, the issue is addressed by leveraging deep learning techniques to develop innovative methods for denoising and reconstructing low-quality biological signals and images, focusing on Raman spectroscopy and photoacoustic microscopy (PAM). Raman spectroscopy, while providing rapid and non-invasive molecular information, suffers from weak signal intensity and lengthy exposure times. We propose a fully convolutional encoder-decoder architecture for noise reduction in Raman spectra acquired with tenfold lower exposure times. Our results show superior performance compared to conventional denoising techniques, improving the signal-to-noise ratio by 20% to 80%. PAM combines optical and acoustic imaging for enhanced penetration depth but faces challenges in scanning at high spatial resolution. We introduce DiffPam, a novel algorithm based on diffusion models, which accelerates the PAM imaging without requiring large datasets for training. DiffPam achieves a fivefold increase in scanning speed with minimal information loss, outperforming traditional methods in peak signal-to-noise ratio and structural similarity index. These advancements in Raman spectroscopy and PAM highlight the transformative potential of deep learning to enhance medical imaging quality and efficiency, paving the way for more accurate diagnostics and improved patient care.
Benzer Tezler
- Denetimsiz derin öğrenme kullanılarak dijital meme tomosentezi görüntülerinde bulanıklığın giderilmesi
Unsupervised deblurring of digital breast tomosynthesis images using deep learning
MÜBERRA AYDIN
Yüksek Lisans
Türkçe
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Ultrason görüntülerinin derin öğrenme yöntemiyle iyileştirilmesi
Enhancement of ultrasound images by deep learning
ONUR KARAOĞLU
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN ULUER
- Application image enhancement techniques for brain MRI with tumor
Tümör beyin MRG için görüntü iyileştirme tekniklerinin uygulaması
ALI AHMED MOHAMUD
Yüksek Lisans
İngilizce
2016
Biyomühendislikİstanbul ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SAİME AKDEMİR AKAR
- Image denoising and image enhancement on the applications of confocal laser scanning microscopy
Lazer taramalı konfokal mikroskop uygulamalarında görüntü gürültüsünün giderimi ve görüntü iyileştirimi
YUNUS ENGİN GÖKDAĞ
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZGÜR KOCATÜRK
YRD. DOÇ. DR. YİĞİT DAĞHAN GÖKDEL
- Yapay kas uygulamaları için nanokompozit malzeme geliştirilmesi
Development of nanocomposite material for artificial muscle applications
AYŞE KÜBRA AYDINALEV
Yüksek Lisans
Türkçe
2023
Biyomühendislikİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MELEK MÜMİNE EROL TAYGUN