Physics-constrained unsupervised deep learning for accelerated diffusion mri
Hızlandırılmış difüzyon mrg için fizik kısıtlamalı denetimsiz derin öğrenme
- Tez No: 979234
- Danışmanlar: DOÇ. DR. EMİNE ÜLKÜ SARITAŞ ÇUKUR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Difüzyon Manyetik Rezonans Görüntüleme (dMRG), sinir dokusundaki su moleküllerinin mikroskobik Brown hareketini inceleyerek mikroyapısal mimariyi ortaya koyan bir tekniktir. Spin yer değiştirmeleri, difüzyon duyarlı gradyanlarla q-uzayında kodlanır. Klasik Difüzyon Tensör Görüntüleme (DTG) az sayıda q-uzayı örneğiyle tek doğrultulu lifleri tanımlar, ancak liflerin kesiştiği bölgelerde yetersizdir. Bu eksikliği gidermek için, farklı b-değerleriyle tanımlanan küresel kabukları yoğun biçimde örnekleyen Yüksek Açısal Çözünürlüklü Difüzyon Görüntüleme (HARDI) geliştirilmiştir. HARDI'nin çok kabuklu uzantıları olan Çoklu-Doku Çoklu-Kabuk Kısıtlı Küresel Ters Evrişim (ÇDÇK-KKTE) ve Nörit Oryantasyon Dağılımı ve Yoğunluk Görüntüleme (NODDI) karmaşık lif mimarisini daha ayrıntılı betimler, ancak yoğun q-uzayı örneklemesi klinik uygulanabilirliği kısıtlayan uzun çekim süreleri gerektirir. Bu tez, çok kabuklu dMRG'yi hızlandırmak için“Q-Uzayı Yukarı Örneklemesi: Fiziksel Kısıtlamalı Koordinat Tabanlı Örtük Ağ”(QUCCI) adlı gözetimsiz, derin öğrenme tabanlı bir yaklaşım sunmaktadır. QUCCI, hacmi hem uzaysal hem de q-uzayı koordinatlarının sürekli bir fonksiyonu olarak modeller; böylece sabit şemalara bağlı kalmadan istenen yönde örnekleme yapılabilir. Bir kodlayıcı koordinatları yüksek boyutlu gizli koda çevirir, çok katmanlı algılayıcı (ÇKAA) ise sinyali tahmin eder. Yöntem yalnızca koordinat girişi kullandığından büyük eğitme kümelerine veya cihaz uyumlaştırmasına gerek duymaz; fizik temelli düzenleme kararlı yakınsamayı sağlar. QUCCI, 10 gönüllüde R = 10, 15, 22.5 hızlandırma seviyeleri ve q-uzayı enterpolasyonuna ek olarak düzlem-içi süper çözünürlükle milimetre altı çözünürlükte tam beyin dMRG'de sınanmıştır. Sonuç olarak QUCCI, güncel bir derin öğrenme yöntemine, en küçük kareler temelli klasik yaklaşıma ve doğrudan alt örnekleme ile elde edilen veriye göre üstünlük göstermiştir. Dilim, denek ve metrik düzeyindeki değerlendirmeler ile DTG, ÇDÇK-KKTE ve NODDI haritaları da bu üstünlüğü doğrulamaktadır. QUCCI yaklaşımının bir uzantısında ise, q-uzayı içinde yapılan enterpolasyonun, düzlem içi süper çözünürlükle birleştirilerek tüm beyni kapsayan alt milimetre çözünürlüklü dMRG elde edilmesi hedeflenmiştir. Sonuç olarak QUCCI, bilgi kaybını en aza indirerek dMRG'yi klinik açıdan uygulanabilir hızlara taşımaktadır.
Özet (Çeviri)
Diffusion Magnetic Resonance Imaging (dMRI) is a noninvasive technique that probes the microscopic Brownian movement of water molecules within neural tissues, providing insights into the underlying microstructural architecture. In dMRI, the displacement of spins is encoded in a domain called q-space through the use of diffusion-sensitizing gradients. Classical dMRI models, such as diffusion tensor imaging (DTI), require only a few samples in q-space, but fall short in resolving crossing or diverging fiber bundles. To address these limitations, High Angular Resolution Diffusion Imaging (HARDI) was introduced to enhance fiber characterization by densely sampling the q-space across multiple spherical shells defined by different b-values, thereby detecting several fiber orientations within a single voxel. Building on this framework, advanced multi-shell techniques such as Multi-Shell Spherical Deconvolution (MSMT-CSD) and Neurite Orientation Dispersion and Density Imaging (NODDI) have been developed, offering refined insights into complex microstructural features. Nevertheless, the requirement for densely sampling q-space renders advanced dMRI techniques extremely time-consuming and impractical for clinical use. This thesis proposes a deep unsupervised Q-space Upsampling via physics-Constrained Coordinate-based Implicit network (QUCCI) to accelerate multi-shell dMRI. QUCCI models the underlying volume as a continuous function in both spatial coordinates and q-space, enabling the sampling of q-space along arbitrary directions without the constraints of fixed sampling schemes. An encoder maps coordinates to a latent code, and an MLP predicts the signal, allowing arbitrary q-space sampling without large training datasets or vendor harmonization. Physics-based regularization stabilizes learning. Tested on 10 subjects at R = 10, 15, 22.5, and extended to joint q-space interpolation plus in-plane super-resolution for submillimeter whole-brain dMRI, QUCCI surpasses a recent deep-learning competitor, a least-squares baseline, and raw undersampled data. Slice-, subject-, and metric- level evaluations, and downstream DTI, MSMT-CSD, and NODDI maps confirm its superior fidelity. QUCCI enables accelerated dMRI with minimal information loss, advancing the clinical feasibility of advanced multi-shell methods.
Benzer Tezler
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. SANEM SARIEL UZER
- A Review constrained systems
Başlık çevirisi yok
EQAB MUFLEH
Yüksek Lisans
İngilizce
1988
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. YURDAHAN GÜLER
- Quantization and gauge fixing of constrained systems
Bağıl sistemlerin kuantalaştırılması ve ayar saptanması
SAMİ İSMAİL MUSLIH
- Batalin-Fradkin-Vilkovisky metodu ile bağlı sistemlerdeki iz-integrallerinin hesaplanma yöntemi
Calculation of the path integrals in constrained systems by the Batalin-Fradkin-Vilkovisky method
NEŞE ÖZDEMİR
Yüksek Lisans
Türkçe
1990
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. MAHMUT HORTAÇSU
- Exploring new physics below and above the electroweak scale
Yeni fiziğin elektrozayıf ölçeğin altında ve üstünde araştırılması
ESRA AKYUMUK
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. İSMAİL TURAN
DR. ÖĞR. ÜYESİ DURMUŞ KARABACAK