Çoklu kontrast MRG’de tranfer öğrenme yöntemi ile birleşik geriçatım-sentez

Manyetik rezonans görüntüleme (MRG) birçok hastalığın tanısında kullanılan müdahalesiz ve yumuşak doku kontrastı yüksek olan bir görüntüleme yöntemidir. MR sinyali görüntülenen dokunun yapısına göre değişkenlik gösterdiği için MRG kullanılarak birden fazla kontrast ile görüntü alınması mümkündür. Çoklu kontrast MRG klinik tanıya yönelik bilgi miktarını artırsa da kontrastların tetkik süresi kısıtlamalarından dolayı çekiminin yapılamaması ya da yapılsa bile fazla miktarda gürültü içermesi bu yöntemin kullanımını zorlaştırmaktadır. Bu problemlere yönelik geliştirilen yöntem birleşik geriçatım-sentez sağlayan deterministik sinir ağlarında kaynak ve hedef kontrastlar arasındaki dönüşümün öğrenilmesidir. Proje kapsamında yapılan çalışmalar sonucunda yüksek derecede az örneklenen görüntülerin geriçatımının birleşik geriçatım-sentez modeli ve transfer öğrenme yöntemi ile başarıyla yapıldığı tespit edilmiştir.

Magnetic resonance imaging (MRI) is a noninvasive imaging technique with high soft tissue contrast, which is used in the diagnosis of many diseases. Since MR signal varies based on the structure of the tissue to be imaged, it is possible to obtain images with more than one contrast using MRI. Although multi-contrast MRI increases the amount of information for clinical diagnosis, the problem that contrasts cannot be imaged due to scan time limitations or they contain a lot of noise even if they are imaged makes the use of this method difficult. The method developed for this problem is to learn the transformation between the source and target contrasts in deterministic neural networks that provide synergistic reconstruction-synthesis. As a result of the studies carried out within the scope of this project, it is determined that highly undersampled images are successfully reconstructed using the synergistic reconstructionsynthesis model and the transfer learning method.