True T1, PD image compucomputation from a set of T1 weighted images
T1 ağırlıklı manyetik rezonans görüntüleri kullanılarak gerçek T1 ve gerçek proton yoğunluğu görüntülerinin elde edilmesi
- Tez No: 95407
- Danışmanlar: DOÇ. MEHMET ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Tıbbi Biyoloji, Medical Biology
- Anahtar Kelimeler: Doku sınıflandırma, Manyetik rezonans görüntüleme, Proton, segmentation, Levenberg-Marquardt, maximum likelihood classification, Tissue classification, Magnetic resonance imaging, Proton
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tt AĞIRLIKLI MANYETİK REZONANS GÖRÜNTÜLERİ KULLANILARAK GERÇEK Ti VE GERÇEK PROTON YOĞUNLUĞU GÖRÜNTÜLERİNİN ELDE EDİLMESİ ÖZET Manyetik rezonans görüntülerinde doku sınıflandırması özellikle radyologlar için hastalıkların, tümörlerin veya herhangi bir dokunun 'teşhis edilmesi bakımından çok önem taşımaktadır. Manyetik rezonans görüntülerinde tüm dokuların kendilerine özgü Ti, T2, ve proton yoğunluğu parametreleri vardır. Bu parametreler tüm manyetik rezonans görüntülemelerinde karakteristik olduğu için, eğer önceden hesaplanırlarsa herhangi bir görüntüde doku sınıflaması kolaylıkla yapılabilir. Görüntüleme bobinindeki herhangi bir duyarlılık değişimi yüzünden değişkenlik gösteren görüntülerde sınıflandırma algoritmaları başarısız olurlar. Gerçek Ti, T2 ve proton yoğunluğu görüntüleri bu duyarlılık değişimlerinden etkilenmedikleri için sınıflandırma algoritmalanyla çalışmak daha kolaydır. Bu gerçek parametreleri hesaplamak için insan beyninden seçilen herhangi bir dilim TE'yi sabit tutarak ve TR'yi değiştirerek 16 kez görüntülendi. Ardından Levenberg- Marquardt methodu bu görüntülere uygulandı ve Ti ve proton yoğunluğu değerleri ortaya çıkarıldı. Böylelikle gerçek Ti ve gerçek proton yoğunluğu görüntüleri elde edildi. İnsan beyninden seçilen 4 farklı dilime maksimum olasılıkla sınıflandırma methodu başarıyla uygulandı ve bu methodun CSF, WM ve GM sımflandırılmasmdaki güvenilirliği gösterildi. Anahtar kelimeler. Tl, T2, proton yoğunluğu, sınıflandırma, Levenberg-Marquardt, maksimum olasılıkla sınıflandırma.
Özet (Çeviri)
IV TRUE Ti, PD IMAGE COMPUTATION FROM A SET OF Ti WEIGHTED IMAGES ABSTRACT Segmentation of tissues in magnetic resonance images is essential especially for a radiologist to be able to identify a disease, tumors, or any tissue. In any magnetic resonance image there exists many different types of tissues each with characteristic Ti and T2 decay times and proton densities. If these parameters of tissues can be calculated from the regular magnetic resonance images, the type of tissue could also be determined on any MR image independent of MR hardware characteristics. One such important hardware limitation is the varying sensitivity of an imaging coil spatially. Segmentation algorithms can not distinguish between an intensity variation caused by the imaging coil sensitivity or a variation by tissue change. Calculated Tlf T2, and PD images provide consistent pixel intensity corresponding to the same tissue therefore easier to utilize in conventional segmentation algorithms. To be able to calculate true Ti and PD parameters, a slice of human head were imaged sixteen times by holding TE fixed and changing TR each time. Levenberg-Marquardt Method is applied to the data and T! and PD values were estimated. The true Ti and true PD images were produced. The maximum likelihood classification is then applied successfully to four MR images of different slices of human head and the robustness of this method in segmenting CSF, WM, and GM is illustrated.
Benzer Tezler
- Calculation of true T1, T2 and proton density images for the elimination of signal intensity artifacts in segmentation of brain tissue in magnetic resonance imaging
Beyin dokusu segmentasyonunda sinyal yoğunluğuna bağlı hataların elenmesi için gerçek T1, T2 and proton yoğunluğu görüntülerinin hesaplanması
ONUR AĞUŞ
Yüksek Lisans
İngilizce
2008
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. MEHMED ÖZKAN
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Topuk-Göynükbelen (Orhaneli-Bursa) yöresi nikel oluşumlarının kökensel incelenmesi
Genetical investigation of nickel occurrences in the vicinity of Topuk-Göynükbelen, Orhaneli-Bursa
YÜKSEL ÖRGÜN
Doktora
Türkçe
1993
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Ana Bilim Dalı
PROF.DR. ATİLLA AYKOL
- Faiz swapı ve Türk bankacılık sektörü açısından bir değerlendirme
Approach of interest rate swaps in Turkish banking sector
BERK TİMUR ALVER