Geri Dön

Difüzyon model tabanlı asimetrik dikkat mekanizmaları kullanılarak kardiyak mr görüntü verisi arttırımı

Diffusion model-based augmentation using asymmetric attention mechanisms for cardiac mri images

PDF İndir

  1. Tez No: 997475
  2. Yazar: MERTCAN ÖZDEMİR
  3. Danışmanlar: PROF. DR. OSMAN EROĞUL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kardiyoloji, Computer Engineering and Computer Science and Control, Cardiology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Tobb Ekonomi ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilim Tarihi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kardiyovasküler hastalıklar, dünya genelinde en önemli ölüm nedenlerinden birini oluşturmakta ve her yıl yaklaşık 19,8 milyon insanın hayatını kaybetmesine yol açmaktadır. Kardiyak manyetik rezonans (CMR) görüntüleme, kalp hastalıklarının tanısında altın standart olarak kabul edilmekle birlikte, derin öğrenme tabanlı tanı sistemlerinin geliştirilmesi için gerekli büyük ölçekli etiketli veri setlerinin oluşturulması, uzman etiketleme maliyetleri, etik kısıtlamalar ve nadir patolojilerin yetersiz temsili nedeniyle ciddi zorluklarla karşı karşıyadır. Bu tez, kardiyak MR görüntülemede veri yetersizliği problemini çözmek amacıyla asimetrik dikkat mekanizmalı difüzyon modeli tabanlı yeni bir bireşimsel görüntü üretim yöntemi önermektedir. Önerilen yaklaşım, Denoising Diffusion Probabilistic Model (DDPM) çerçevesini temel almakta ve UNet mimarisinde kodlayıcının son iki katmanı ile kod çözücünün ilk iki katmanına stratejik olarak yerleştirilmiş çok başlıklı öz-dikkat mekanizmalarını içermektedir. Bu asimetrik dikkat yerleşimi, hesaplama verimliliği ile anatomik yapı korunumu arasında optimal bir denge sağlamaktadır. Model, 53 sağlıklı gönüllüden elde edilen OCMR (Open Cardiac MR) veri kümesi üzerinde eğitilmiş ve 128×128 piksel çözünürlüğünde bSSFP sekans görüntüleri ile çalışılmıştır. Kapsamlı deneysel değerlendirmeler, önerilen modelin mevcut yöntemlere kıyasla üstün performans sergilediğini ortaya koymuştur. Model, 77,78 FID skoru ile VAE (325,26), WGAN-GP (235,51) ve StyleGAN2-ADA (117,70) modellerine göre anlamlı ölçüde daha iyi sonuçlar elde etmiştir. Yapısal benzerlik metrikleri açısından 0,720 SSIM ve 0,925 MS-SSIM değerleri, üretilen görüntülerin yüksek anatomik tutarlılığını doğrulamaktadır. Ablasyon çalışmaları, asimetrik dikkat yerleşiminin tekdüze dağılıma göre FID skorunda %8,8 iyileşme sağladığını göstermiştir. Üç deneyimli radyolog tarafından gerçekleştirilen klinik Turing testinde %60 doğruluk oranı elde edilmesi, bireşimsel görüntülerin gerçek görüntülerden ayırt edilmesinin zorluğunu ortaya koymuştur. Ayrıca, sol ventrikül, sağ ventrikül ve miyokard yapılarının piksel oranları ile şekil özellikleri açısından gerçek ve bireşimsel görüntüler arasında istatistiksel olarak anlamlı bir fark bulunmamıştır (p > 0,05). Bu tez, kardiyak MR görüntü sentezinde difüzyon modelleri için asimetrik dikkat mekanizması optimizasyonu konusunda özgün bir katkı sunmakta ve üretilen bireşimsel verilerin klinik uygulanabilirliğini kapsamlı bir değerlendirme çerçevesiyle ortaya koymaktadır. Sonuçlar, önerilen yaklaşımın veri artırma, gizlilik korumalı veri paylaşımı ve tıp eğitimi gibi alanlarda önemli potansiyel taşıdığını göstermektedir.

Özet (Çeviri)

Cardiovascular diseases constitute one of the leading causes of mortality worldwide, claiming approximately 19.8 million lives annually. Although cardiac magnetic resonance (CMR) imaging is considered the gold standard for diagnosing heart diseases, the development of deep learning-based diagnostic systems faces significant challenges due to expert labeling costs, ethical constraints, and inadequate representation of rare pathologies in creating large-scale labeled datasets. This thesis proposes a novel synthetic image generation method based on a diffusion model with asymmetric attention mechanisms to address the data scarcity problem in cardiac MR imaging. The proposed approach is built upon the Denoising Diffusion Probabilistic Model (DDPM) framework and incorporates multi-head self-attention mechanisms strategically placed in the last two layers of the encoder and the first two layers of the decoder within the UNet architecture. This asymmetric attention placement achieves an optimal balance between computational efficiency and anatomical structure preservation. The model was trained on the OCMR (Open Cardiac MR) dataset obtained from 53 healthy volunteers, working with bSSFP sequence images at 128×128 pixel resolution. Comprehensive experimental evaluations demonstrated that the proposed model exhibits superior performance compared to existing methods. The model achieved an FID score of 77.78, significantly outperforming VAE (325.26), WGAN-GP (235.51), and StyleGAN2-ADA (117.70). Structural similarity metrics of 0.720 SSIM and 0.925 MS-SSIM confirm the high anatomical consistency of the generated images. Ablation studies showed that the asymmetric attention placement provides an 8.8% improvement in FID score compared to uniform distribution. A clinical Turing test conducted by three experienced radiologists yielded a 60% accuracy rate, demonstrating the difficulty in distinguishing synthetic images from real ones. Furthermore, no statistically significant differences were found between real and synthetic images in terms of pixel ratios and shape features of the left ventricle, right ventricle, and myocardium structures (p > 0.05). This thesis presents an original contribution to asymmetric attention mechanism optimization for diffusion models in cardiac MR image synthesis and demonstrates the clinical applicability of the generated synthetic data through a comprehensive evaluation framework. The results indicate that the proposed approach holds significant potential in areas such as data augmentation, privacy-preserving data sharing, and medical education.

Benzer Tezler

  1. Tez No

    532680

    Blockchain tabanlı kripto para birimlerinin mevcut durumuna dair finansal analizler ve geleceği

    Financial analyses regarding the current state of blockchain based crypto currencies and their future

    TUNA CAN GÜLEÇ

    Doktora

    Türkçe

    Türkçe

    2018

    İşletmeManisa Celal Bayar Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HÜSEYİN AKTAŞ

  2. Tez No

    1019360

    Design of functional polyhipe and MOF architectures for tunable heterogeneous catalysis

    Ayarlanabilir heterojen kataliz için fonksiyonel polyhıpe ve MOF tabanlı mimarilerin tasarımı

    ÇİĞDEM ÇAKICI

    Doktora

    İngilizce

    İngilizce

    2026

    Kimyaİstanbul Teknik Üniversitesi

    Kimya Ana Bilim Dalı

    DOÇ. DR. ERDEM YAVUZ

    DOÇ. DR. VOLKAN DEĞİRMENCİ

  3. Tez No

    985676

    Usage of mixed integer linear programming in cryptanalysis of block ciphers

    Blok şifreleme algoritmalarının kripto analizinde ktplyaklaşımının kullanılması

    HALİL İBRAHİM KAPLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Matematikİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ENVER ÖZDEMİR

  4. Tez No

    409122

    Local improvements to reduced-order approximations of pde-constrained optimization problems

    Kısmi diferensiyel denklemlerin eniyilemeli kontrol problemlerinin indirgenmiş mertebeden yaklaşımları için yerel geliştirmeler

    TUĞBA AKMAN

    Doktora

    İngilizce

    İngilizce

    2015

    MatematikOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    PROF. DR. BÜLENT KARASÖZEN

  5. Tez No

    732343

    Bi-fractional order reference model based control system design

    İkili-kesirli mertebe referans model tabanlı kontrol sistem tasarımı

    ERTUĞRUL KEÇECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜJDE GÜZELKAYA

Geri Dön