Adatvezérelt szürkeállomány parcellázó módszer funkcionális agyi hálózatanalízis régiórendszerének kijelölésére

A tétel rövid nézete
dc.contributor.advisorEmri, Miklós
dc.contributor.authorAranyi, Sándor Csaba
dc.contributor.departmentDE--TEK--Informatikai Karhu_HU
dc.date.accessioned2013-06-06T09:03:39Z
dc.date.available2013-06-06T09:03:39Z
dc.date.created2013
dc.date.issued2013-06-06T09:03:39Z
dc.description.abstractA DE OEC egyik multidiszciplináris kutatócsoportja az agyi plaszticitás és a neurodegenetartív betegségek tanulmányozásához az in vivo funkcionális és strukturális agyi hálózatanalízis módszerét alkalmazza. E módszer egyik fontos lépése a hálózati végpontok kijelölése, amely általában egy digitális agyatlasz régióredszerének felhasználásával történik. Azonban a problémakört tárgyaló legújabb közlemények alapján megfogalmazódott az az igény, hogy a régiórendszert egyénre szabottan az egyedi funkcionális képanyagok (fMRI, EEG, PET) felhasználásával pontosítsuk. A dolgozat keretében egy adatvezérelt térfogat parcellázó algoritmus implementálása volt a cél, aminek segítségével a 4 dimenziós funkcionális képi adatokra illeszkedő 3 dimenziós címketérképet kapunk. A parcellázással meghatározott területeknek kompaktaknak kell lenniük, és biztosítani kell, hogy a régiók képpontjaihoz rendelt görbék variabilitása minimális legyen. A megfelelő címketérkép keresése során a parcellázást a képfeldolgozás területén széleskörűen használt Markov véletlen mezővel (MRF) modellezzük. A tér pontjaihoz tartozó, időben változó adatokat von Mises Fisher eloszlással jellemezzük. A címketérképet és a modell paramétereket iteratív eljárás során becsüljük, ahol az adat aktuális parcellázásra való illeszkedését energiafüggvényekkel jellemezzük. Az energiafüggvény és a parcellázás hatékony optimalizálását a minimális értékű gráfvágáson alapuló alpha-expansion algoritmussal végezzük, majd a modell paramétereket pszeudo log-likelihood maximalizálás során becsüljük.hu_HU
dc.description.courseProgramtervező informatikushu_HU
dc.description.degreeMSc/MAhu_HU
dc.format.extent24hu_HU
dc.identifier.urihttp://hdl.handle.net/2437/170376
dc.language.isohuhu_HU
dc.rights.accessno_restrictionhu_HU
dc.subjectklaszterezéshu_HU
dc.subjectvon Mises-Fisherhu_HU
dc.subjectMarkov Random Fieldhu_HU
dc.subjectfMRIhu_HU
dc.subjectképfeldolgozáshu_HU
dc.subjectoptimalizációhu_HU
dc.subjectalpha-expansionhu_HU
dc.subject.dspaceDEENK Témalista::Informatika::Valószínűségszámításhu_HU
dc.titleAdatvezérelt szürkeállomány parcellázó módszer funkcionális agyi hálózatanalízis régiórendszerének kijelölésérehu_HU
Fájlok
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)