عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
TL53704
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
Predicting Head Motions During Brain MRI Scans Using Deep Learning Models
نام عام مواد
[Thesis]
نام نخستين پديدآور
Yuan, Hui
نام ساير پديدآوران
Zhao, Yijun
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Fordham University
تاریخ نشرو بخش و غیره
2020
يادداشت کلی
متن يادداشت
59 p.
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
کسي که مدرک را اعطا کرده
Fordham University
امتياز متن
2020
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
MRI is a medical machine with a large magnet and radio waves to scan organs and body structures, especially in the head scans. During the scanning process, head motion is a major source of error for brain MRI. There is no direct method to assess head motion during MRI scans. To solve this problem, we generate deep learning models to predict the head motion based on an in-scanner video obtained from an in-scanner eye tracker. There are two applications in the medical field. One application is to save time for both patients and doctors since the doctor could pause MRI scans when detecting large head motion. The other application is to deblur the low-quality head MRI pictures based on the head motion. We generated a classification model that classifies each video frame as "moving" or "no-moving". Besides, we built a regression model that predicts exact head motion values in rotation and translation directions. The Convolutional Neural Network is based on "VGG16" with seven dense layers. For the classification model, it achieves an overall accuracy of 83.84% with 89.26% and 72.91% for the "moving" and "no-moving" frames. For the regression models, we use the R-squared score to evaluate the model of rotational motion. The performance for validation data is excellent. For testing data, the model does not work as well as that on the validation data but the performance still be of a high standard for the practical value.
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Computer science
اصطلاح موضوعی
Deep learning
اصطلاح موضوعی
Electrical engineering
اصطلاح موضوعی
Magnetic resonance imaging
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
Yuan, Hui
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
Zhao, Yijun
شناسه افزوده (تنالگان)
مستند نام تنالگان تاييد نشده
Fordham University
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
[Thesis]
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
