Geri Dön

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

PDF İndir

  1. Tez No: 232157
  2. Yazar: ONUR AĞUŞ
  3. Danışmanlar: PROF. MEHMED ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Maksimum olabilirlik yöntemi, Manyetik rezonans görüntüleme, Maximum likelihood method, Magnetic resonance imaging
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyomedikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tibbi goruntulerde dokularin segmentasyonu radyologlara sagladigi yararlar baki-mindan onemli bir konudur. Radyologlar bu yontemi hastaliklari teshis etmede tumorleribelirlemede ve dejeneretif hastaliklarin takibinde kullanabilir. Manyetik RezonansGoruntuleme de segmentasyon sirasinda karsilasilan sorunlardan bir tanesi manyetikalandaki bozukluklardir. RF coil deki alan bozuklugu nedeniyle alinan sinyal yogunlu-gundaki degisim gorunrunun parlaklik degerlerini etkiler. Bu etki belli bir gorunrulemesistemi icin segmentasyonda problem yaratabilir. Birden cok goruntuleme sistemindekullanilacak bir algoritma dusunulecek olursa doku parlakliklarinda ve RF coil alanibozukluklarindaki degisim nedeniyle hata orani artabilir. Bu alismada ilgili problem-lerin cozulmesi icin hesaplanmis T1, T2 ve proton yogunlugu degerlerini kullanan biralgoritma onerilmektedir. Bu parametreler ayni bolgenin farkli dort parametre ilegoruntulenmesi ve Levenberg-Marquardt Methodu nun uygulanmasi ile hesaplanmistir.Daha sonra yapilan sinifandirma sonucunda segmentasyon sonucu elde edilen goruntulerolusturulmustur. Uc farkli MR cihazinda goruntulenen yedi farkli gonullunun beyingoruntuleri Gri madde, Beyaz Madde ve Serebrospinal sivi olarak ayristirilmistir. Dokuayristirma agirlikli T1, T2 ve PD goruntuler kullanilarak ve hesaplanms gercek T1, T2PD goruntuleri kullanilarak yapilmitir. Karlastirmalar kesitler aras, goruntuleme cihazlarıarası ve gonulluler arası yapılmıs ve sonuc olarak hesaplanmıs T1, T2 ve PD goruntuleri kullanıldıgındabeyin dokularnn ayrtrlmasnda olduka iyi iyiletirme salanmistir.

Özet (Çeviri)

Segmentation of tissues in medical imaging is an essential subject because ithelps the radiologists to be able to identify diseases, tumors and follow the degenera-tive diseases. In Magnetic Resonance Imaging (MRI) one factor that causes a problemduring segmentation is the inhomogeneity in the magnetic ¯eld. Mainly the RF coilinhomogeneity e®ect causes intensity inhomogeneity through the image. This intensityinhomogeneity may cause segmentation algorithms to fail for a speci¯c imager system.In case an algorithm that can be used in many imagers is needed the di®erence in thetissue intensities and the RF coil inhomogeneity change may cause greater failures.To overcome this problem a method which uses calculated T1, T2 and proton densityparameters is proposed. These parameters are calculated from MRI images using foursampling points (four sets of images of the same region with di®erent parameters)and using Levenberg-Marquardt Method. Then maximum likelihood classi¯cation isapplied to distinguish the tissues and the segmented images were constructed. GrayMatter, White Matter and Cerebrospinal Fluid were segmented in MR brain imagesof seven volunteers. The subject heads were scanned with three di®erent MR im-agers. Tissue segmentation was performed with the weighted T1, T2 and Proton Den-sity images along with the computed true T1, T2 and PD. Comparisons across imageslices; across imagers and across subjects indicated that signi¯cant improvement canbe achieved if the computed T1, T2 and PD images are used for the segmentation ofbrain tissue.

Benzer Tezler

  1. Tez No

    112235

    Uydu görüntü verisinin yapay sinir ağları ile sınıflandırılması

    Classification of satellite imagery data with artificial neural networks

    COŞKUN ÖZKAN

    Doktora

    Türkçe

    Türkçe

    2001

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ.DR. FİLİZ SUNAR ERBEK

  2. Tez No

    46469

    Bentonitik killerin nötron aktivasyonu ile analizi

    Analysis of bentonite clay with neutron activation technique

    AYŞE ALEMDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. NURFER GÜNGÖR

  3. Tez No

    203765

    Baş boyun mukozal kanserlerinde N0 boyuna sentinel lenf nodu biopsisi yöntemi ile yaklaşım

    Menagment of N0 neck in head and neck mucosal carcinomas by sentinel lymph node biopsy

    ARAZ ALIYEV

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2008

    Kulak Burun ve BoğazEge Üniversitesi

    Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı

    PROF. DR. ÜMİT ULUÖZ

  4. Tez No

    75259

    Marmara Denizindeki sıcaklık profilinin modellenmesi

    Başlık çevirisi yok

    E.GÜL EMECEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUNUS BORAN

  5. Tez No

    267827

    Akut apandisit tanısında difüzyon ağırlıklı manyetik rezonans görüntüleme

    The value of diffusion-weighted imaging and apparent diffusion coefficient quantification in the diagnosis of acute appendicitis

    FERAY ALTUN ÇETİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Radyoloji ve Nükleer TıpYüzüncü Yıl Üniversitesi

    Radyoloji Ana Bilim Dalı

    YRD. DOÇ. SERHAT AVCU

Geri Dön