عنوان

بهبود کیفیت تصاویرPET/MRI با استفاده از شبکه¬های عصبی کانولوشنی

Number

پ۲۴۱۸۰

.Language of Text, Soundtrack etc

per

Title Proper

بهبود کیفیت تصاویرPET/MRI با استفاده از شبکه¬های عصبی کانولوشنی

First Statement of Responsibility

فرناز قره داغی

Name of Publisher, Distributor, etc.

مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۹۶ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی پزشکی گرایش بیوالکتریک

Date of degree

۱۳۹۹/۰۶/۲۵

Text of Note

چکیده: سیستم تصویربرداری با تابش پوزیترون (PET) یک سیستم عملکردی برای دریافت عملکرد ارگان¬های بدن است. این سیستم با وجود اهمیت فراوان در تشخیص زودهنگام بیماری¬ها، دارای تفکیک-پذیری مکانی پایین و میزان نویز بالا است. تا کنون روش¬های زیادی برای بالا بردن کیفیت تصاویر سیستم PET معرفی شده است ولی ساده¬ترین راه¬های بهبود کیفیت، بالا بردن کیفیت پس از ایجاد تصویر توسط سیستم است تا نیازی به تغییر در سخت¬افزار سیستم تصویربرداری نباشد. در این پایان¬نامه برای بالا بردن کیفیت تصاویر از روش¬های فراتفکیک¬پذیری مبتنی بر شبکه¬های عصبی کانولوشنی که در سال¬های اخیر موفقیت بسیاری کسب کرده¬اند استفاده شده است. همچنین از تصاویر MRI نیز بهره برده شده تا میزان اطلاعات ورودی به شبکه افزایش پیدا کند. ساختار پیشنهادی ترکیبی از ساختارهای U-Net و بلوک¬های residual است که قبلا معرفی شده¬اند و با ترکیب این دو ساختار سعی شده است تا از نقاط قوت دو ساختار استفاده شود. همچنین از ترکیب تابع اتلاف ادراکی و مجذور مربعات خطا نیز استفاده شده است تا نتایج بصری ساختار معرفی شده بهبود پیدا کند. روش پیشنهادی با روش¬هایی که قبلا معرفی شده بودند نیز روی داده¬های استفاده شده مقایسه شده و نتایج، عملکرد مناسب روش پیشنهادی را نشان می-دهند.

Text of Note

Abstract: Positron Emission Tomography (PET) is an imaging modality which obtains functions of organs. This modality has become an important tool in diagnosing abnormalities, but suffering from low spatial resolution and high level of noise. So far, many methods have been introduced to improve the image quality of the PET system, But the easiest way to improve the quality is to increase the quality after the image is registered by the system so that there is no need to change the hardware of the imaging system. In this thesis, a Convolutional Neural Network (CNN) based Single Image Super Resolution (SISR) method which has been very successful in recent years is used to produce an image with desired quality. Also T1 Weighted Magnetic Resonance (MR) Images are employed to enrich the information applied to the network. The proposed structure is a combination of the previously introduced U-Net structures and residual blocks and by combining these two structures, an attempt has been made to use the strengths of the two structures. The combination of the perceptual loss function and the mean squared error function have also been used to improve the visual results of the introduced structure. The proposed method is compared with the methods that were previously introduced on the used data and the results show the appropriate performance of the proposed method.

Variant Title

PET/MRI Image Enhancement Using Convolutional Neural Networks (CNNs)

Entry Element

‏قره داغی،

Part of Name Other than Entry Element

‏فرناز

Relator Code

تهيه کننده

Entry Element

‏مشگینی،

Entry Element

یوسفی رضایی،

Entry Element

‏افروزیان،

Part of Name Other than Entry Element

‏سعید

Part of Name Other than Entry Element

‏توحید

Part of Name Other than Entry Element

‏رضا

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏ تبریز