Diffusion tensor fiber tracking with self-organizing feature maps

Difüzyon tensör görüntüleme, in vivo ak madde yolaklarını noninvasif olarak tahmin edebilme özelliği ile tektir. DT imgelerinin işlenmesi için uygun imge işleme ve görselleştirme araçlarına gerek duyulmaktadır. Ancak, belirsizlik bölgelerindeki çoklu yön içeren yolakların saptanabilmesi için uygun ak madde anatomik haritaları gerekmektedir. Kesişen yolak geometrileri içeren bu bölgeler DTG literatüründe kritik bir traktografi sorunu yaratmaktadır. Ak madde traktografisi standartlaşmayı ve genel olarak bu alanda çalışan pek çok araştırma grubunun ana ilgi alanı olan, kabul edilmiş yolak takip atlası saptanmasını gerektirmektedir. Bu tezde, yapay sinir ağlarının özel bir biçimi olan Kohonen özdüzenleyici haritaları, DT imgelerini analiz etmek amaçlı önerilmiştir. Özdüzenleyici haritaları tabanlı traktografi yaklaşımı SOFMAT (Özdüzenleyici Haritalama Traktografisi) gözetimsiz öğrenmeye dayalıdır ve yüksek boyutlu verinin topolojik sıralama kısıtına bağlı olarak 1B, 2B veya daha yüksek boyutta veri uzayına haritalanmasıdır. Gözetimsiz yaklaşım, SOFMAT'ın DTG'de yolaklara ait birincil difüzivitenin nöral yollar şeklinde düzenlemesine imkan sağlar. SOFMAT' ın sonucu topolojik haritaların önemli bir avantajı, girdi uzayının boyutu azaltılırken, girdi uzayının altında kalan yapıya sadık kalması ve korumasıdır. Sonuç olarak, girdi vektör desenini yansıtan olasılık yoğunluğu fonksiyonunu ifade eden ağırlıklarla bir yapay nöron haritası elde edilmektedir. Nörobiyolojik yaklaşımla, özdüzenleyici haritalarla öğrenen DT bilgisine dayalı yolak takip haritaları oluşturulması çalışmanın amacını oluşturmaktadır. Yapay sinir ağları mantığına dayalı bu yaklaşım yolak traktografisindeki belirsizlikleri çözümlemek için denenmiştir. PISTE isimli yapay veri seti SOFMAT'ın kapasitesini ölçmek için kullanılmıştır. Etkili bir konfigürasyon saptanması sonrasında, SOFMAT insan beyin traktografisine uygulanmıştır.