Deep learning for accelerated MR imaging
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Manyetik rezonans görüntüleme, aynı anatominin çoklu kontrastlı edinimine olanak sağlayan ve böylece tanı için çok sayıda bilgiyi sağlayan noninvazif bir görüntüleme yöntemidir. Ancak uzun tarama süresi, pratik kullanıma engel olabilir. MR görüntü edinimlerini hızlandırmak için kullanılan iki ana sistem geriçatım ve sentezdir. Geriçatımda, edinimler k-uzayında alt örnekleme ve takibinde geriçatım algoritmaları ile hızlandırılır. Son zamanlarda derin sinir ağları, MR görüntü geriçatımında geleneksel yöntemlerin üstüne önemli gelişmeler sağladı. Bununla birlikte, derin sinir ağları geniş veri setlerinin kullanılabilirliğine bel bağlamaktadır ki bu veri setleri bazı uygulamalar için mevcut olmayabilir. Ayrıca, genel olarak geriçatım yöntemlerinin bir uyarısı şudur ki, daha az veri örnekleminin elde edildiği daha yüksek hızlandırma faktörlerine doğru performans doğal olarak düşmeye başlamaktadır. Alternatif sentez yönteminde, istenilen kontrastların bir alt kümesinin edinimi ve eksik olanların elde edilenlerden kurtartılmasıyla edinimler hızlandırılır. Mevcut sentez yöntemleri, başlıca ortalama kare ve mutlak kayıp fonksiyonlarını en aza indirmek için eğitilmiş derin sinir ağlarına dayanmaktadır. Bu kurtarılan görüntülerde, orta ve yüksek frekans içeriğinin kaybına neden olabilir. Ayrıca sentez performansı genel olarak kaynak ve hedef kontrastları arasındaki relaksasyon parametrelerindeki benzerliğe dayanır ve büyük farklılıklar yapay sentezlere ve özellik kayıplarına yol açabilir. Geriçatım ve sentez yaklaşımları ile alakalı sorunları ele alıyoruz. Geriçatımda veri azlığı sorunu, mevcut geniş veri setleri üzerinde bir modelin ön eğitiminin yapılması ve sonrasında hedef veri setinden yalnızca birkaç örnek üzerinde ince ayarlarının yapılmasıyla ele alınmıştır. Sentez durumunda orta ve yüksek frekans kaybı, geleneksek ortalama mutlak hatanın üzerine çekişmeli ve yüksek düzeyde algısal kayıp fonksiyonlarının eklenmesiyle karşılanmaktadır. Son olarak, hem geriçatım hem de sentez yaklaşımlarıyla alakalı sorunları hafifletmek için ortak bir geriçatım ve sentez yaklaşımı önerilmiştir. Sağlıklı deneklerin ve hastaların MR beyin verisetleri üzerinde yapılan gösterimler, önerilen tekniklerin güncel gelişmiş tekniklere göre üstün performansını göstermektedir.
Author
Salman Ul Hassan Dar
Institution
How to Cite
Salman Ul Hassan Dar (Doktora Tezi). Deep learning for accelerated MR imaging, 2021, İhsan Doğramacı Bilkent University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from İhsan Doğramacı Bilkent University
- A study over tax and relationship formed around taxation in the Ottoman Empire (16th-17th century)(2019)
- Random sets and choquet-type representations(2021)
- Oil price surges and the yield curve(2024)
- Living alone: Pathways, experiences and future expectations(2025)
- On the road to detente: Turkish foreign policy after the Johnson Letter(2021)
- The Lower Danube in Late Antiquity: The case of Histria(2023)
