Tez No	İndirme	Tez Künye	Durumu
756400		A technical framework for group studies of diffusion tensor imaging / Grup çalışmaları için dıfüzyon tensörü görüntüleme altyapısı Yazar:MEHMET ÖZER METİN Danışman: DOÇ. DR. YEŞİM AYDIN SON ; DOÇ. DR. DİDEM GÖKÇAY Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Enformatik Enstitüsü / Sağlık Bilişimi Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyomühendislik = Bioengineering Dizin:Difüzyon tensör görüntüleme = Diffusion tensor imaging ; Fonksiyonlu grup analizi = Functional group analysis ; İstatistik = Statistics	Onaylandı Doktora İngilizce 2022 143 s.
Difüzyon tensör görüntüleme (DTI), beyaz cevher anormalliklerini araştırmak için ideal bir araçtır. Bu çalışmada, grup tabanlı DTI analizi için skaler olmayan metrikleri kullanan yeni teknikler önerilmiştir. Grup farklılıklarını değerlendirmek için yönlü istatistiklerin kullanılması bu tezin ana başarısıdır. Yönlü istatistikler, difüzyon ağırlıklı görüntü gruplarından çıkarılan difüzyon tensörleri hakkında skaler ölçümlerden çok daha fazla bilgiyi kapsayabilir. Grup farklılıklarını analiz etmek için iki yeni yaklaşım getirdik. İlk yöntem, bağlantı tabanlı hipotez testi için grup tabanlı DTI analizini gerçekleştirmek için yeni bir görselleştirme tekniği ile olasılıksal fiber traktografisini güçlendirir. Olasılıksal fiber traktografisi, yay uzunluğuna karşı FA değerlerini görselleştirmek için yeni bir yöntemle genişletildi. Bu yöntem, yalnızca olasılıklı yolların hipotez testini sağlamakla kalmaz, aynı zamanda çok çözünürlüklü görselleştirme sağlar. İkinci yöntem, yol profili oluşturma ve yön istatistikleri (TPDS) adı verilen yeni bir teknik sunar. En uygun olanı bulmak için farklı yönlü istatistiksel modelleri araştırdık. Deneyler sırasında, yol boyunca yönlü istatistiksel analiz yapmanın voksel veya iskelet kılavuzlu yönlü istatistiklerden çok daha etkili olduğunu doğruladık. Bir vaka çalışması olarak yöntem, majör depresif bozukluğu olan hastaların bağlantı farklılıklarını belirlemek için uygulanmıştır. Yönlü istatistik tabanlı analizle elde edilen sonuçlar, Ağ Tabanlı İstatistikler (NBS) ile tutarlıdır, ancak ek olarak, sağ hemisfer striatum, ACC ve prefrontal, parietal, zamansal ve oksipital bağlantılarda önemli değişiklikler bulduk. talamus, amigdala ve hipokampus gibi limbik bölgelerdeki sol hemisferik farklılıklar. Ağ tabanlı istatistiksel araç kutusunun çıktısı ile karşılaştırma, önerilen yöntemin faydasının, yol uzunluğu arttıkça çok daha belirgin hale geldiğini göstermiştir.
Diffusion tensor imaging (DTI) is an ideal tool to investigate white matter abnormalities. In this study, novel techniques that use non-scalar metrics have been proposed for group-based DTI analysis. Utilization of directional statistics to evaluate group differences is the main achievement of this thesis. Directional statistics can encapsulate much more information than scalar metrics about the diffusion tensors extracted from groups of diffusion weighted images. We have introduced two new approaches to analyze group differences. The first method augments probabilistic fiber tractography with a new visualization technique to carry out group-based DTI analysis for connectivity-based hypothesis testing. Probabilistic fiber tractography is extended with a new method to visualize FA values versus arc-length. This method not only enables hypothesis testing of probabilistic tracts but also provides multi-resolution visualization. The second method introduces a new technique called tract profiling and directional statistics (TPDS). We have investigated different directional statistical models to find the best fit. During the experiments, we confirmed that carrying out directional statistical analysis along the tract is much more effective than voxel- or skeleton-guided directional statistics. As a case study, the method has been applied to identify connectivity differences of patients with major depressive disorder. The results obtained with the directional statistic-based analysis are consistent with those of Network Based Statistics (NBS), but additionally, we found significant changes in the right hemisphere striatum, ACC, and prefrontal, parietal, temporal, and occipital connections as well as left hemispheric differences in the limbic areas such as the thalamus, amygdala, and hippocampus. Comparison with the output of the network-based statistical toolbox indicated that the benefit of the proposed method becomes much more distinctive as the tract length increases.