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

Simple item page
buir.contributor.authorKaftan, İrem
buir.contributor.authorGevrek, Özgür Bora
buir.contributor.authorÇukur, Tolga
buir.contributor.orcidÇukur, Tolga|0000-0002-2296-851X
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorKaftan, İrem
dc.contributor.authorGevrek, Özgür Bora
dc.contributor.authorÇukur, Tolga
dc.coverage.spatialIstanbul, Turkeyen_US
dc.date.accessioned2022-01-31T08:34:41Z
dc.date.available2022-01-31T08:34:41Z
dc.date.issued2021-07-19
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionConference Name: 2021 29th Signal Processing and Communications Applications Conference (SIU)en_US
dc.descriptionDate of Conference: 9-11 June 2021en_US
dc.description.abstractManyetik 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.en_US
dc.description.abstractMagnetic 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.en_US
dc.identifier.doi10.1109/SIU53274.2021.9477706en_US
dc.identifier.eisbn978-1-6654-3649-6
dc.identifier.isbn978-1-6654-3650-2
dc.identifier.issn2165-0608
dc.identifier.urihttp://hdl.handle.net/11693/76902
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttps://dx.doi.org/10.1109/SIU53274.2021.9477706en_US
dc.source.titleIEEE Signal Processing and Communications Applications (SIU)en_US
dc.subjectÇoklu kontrast MRGen_US
dc.subjectDerin öğrenmeen_US
dc.subjectDeterministik sinir ağlarıen_US
dc.subjectBirleşik geriçatım-sentezen_US
dc.subjectMulti-contrast MRIen_US
dc.subjectDeep learningen_US
dc.subjectDeterministic neural networksen_US
dc.subjectSynergistic reconstruction-synthesisen_US
dc.titleÇoklu kontrast MRG’de tranfer öğrenme yöntemi ile birleşik geriçatım-sentezen_US
dc.title.alternativeSynergistic reconstruction-synthesis of multi-contrast MRI using transfer learning methoden_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Synergistic_Reconstruction-Synthesis_of_Multi-Contrast_MRI_using_Transfer_Learning_Method.pdf
Size:
6.4 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.69 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Department of Electrical and Electronics Engineering