Kardiyomiyopati hastalığının kardiyak manyetik rezonans görüntüleme verileri kullanılarak füzyon tabanlı yapay zekâ yaklaşımı ile sınıflandırılması
Classification of cardiomyopathy using fusion-based artificial intelligence approach with cardiac magnetic resonance imaging data
- Tez No: 1001469
- Danışmanlar: DR. ÖĞR. ÜYESİ CEREN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Biyomühendislik, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Bioengineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kardiyomiyopatiler özellikle (dilate ve hipertrofik), kalp kası yapısı ve fonksiyonunu bozarak kalp yetmezliği ve ani kardiyak ölüm gibi ciddi sonuçlara yol açabilmektedir. Bu nedenle erken aşamada doğru tanı sınıflandırılmasının yapılması, bu hastalık grupları açısından klinik olarak kritik öneme sahiptir. Bu çalışmada, kardiyomiyopati tanısında klinik karar verme mantığını daha yakından taklit eden, çok kaynaklı (multimodel) bir yapay zekâ sınıflandırma yaklaşımının geliştirilmesi hedeflenmektedir. Tez kapsamında, kardiyak manyetik rezonans (cine CMR) verilerinden elde edilen görüntü temsilleri ile klinik/biyolojik/radyomik tabular değişkenler bir araya getirilerek dilate kardiyomiyopati, hipertrofik kardiyomiyopati ve normal etiketlerinin sınıflandırılması yapılmıştır. Öncelikle veri seti hasta bazlı olarak ayrılmıştır. Görüntü ve maske tutarlılığı, çözünürlük uyumu ve diyastol sonu (ED), sistol sonu (ES) fazlarının hizalaması gibi adımlarla detaylı bir veri hazırlama ve analizi sürecine girilmiştir. Tasarlanan kurgu mimaride, görüntü tarafında ön eğitimli evrişimsel sinir ağları (CNN) kullanılarak ED/ES görüntü ve maske girdilerinden özellikler hasta düzeyinde birleştirilerek özellik düzeyi füzyon stratejisi gerçekleştirilmiştir. Nihai sınıflandırma aşamasında, Optuna yöntemi ile seçilen hiperparametreler altında ağaç tabanlı yöntemler ile tahmin yapılmıştır. CNN tarafında özellik üretici model mimarileri, nihai sınıflandırma kısmında ise ağaç tabanlı yöntemlerin birbiriyle ilişkilerini analiz etmek için kapsamlı konfigürasyon denemeleri yapılmıştır. Yapılan denemeler sonucunda, en iyi doğruluk performansının ConvNeXt – Tiny CNN gömme (embedding) üreticisi ile Aşırı gradyan artırma (XGBoost) sınıflandırıcı konfigürasyonunda ilk aşamada %92 doğruluk edilmiştir. Elde edilen performans sonuçlarından doğrulama testindeki performansın, test setinden düşük olması modelin veri dağılımına duyarlı olduğunu ve olası genelleme kırılganlığı açısından kritik bir bulgu olarak değerlendirilmiştir. Bu nedenle, tek bir skor raporlamak yerine sonradan analiz (post-hoc) yaklaşımı benimsenmiştir. Tekrar örneklemeli çapraz doğrulama (3*10=30 tekrar), tohum (seed) duyarlılığı, öğrenme eğrileri, ağaç sayısına bağlı doğruluk ve kayıp eğrileri ve Temel Bileşen Analizi (PCA) temelli incelemeler ile modelin performans kararlılığı detaylı olarak analiz edilmiştir. 30 çapraz doğrulama ve farklı seed koşumlarında modelin doğruluğu %89 olarak elde edilmiştir. Sınıflandırma her deneme konfigürasyonunda değişim göstermekte olup ortalama 480 saniyedir. Ek olarak, eğitim-doğrulama- test ayrımları arasında olası dağılım kayması (domain) analizi ile nicel olarak incelenmiştir. Hatalı sınıflandırma örnekleri, açıklanabilirlik yöntemleri (occlusion) kullanılarak yorumlanmıştır. Elde edilen bulgular, önerilen model mimarisin sınırlı örneklem koşullarında dahi tutarlı bir performans üretebildiğini fakat daha homojen ve büyük veri uzaylarında ayrıntılı doğrulama ile genelleme gücünün daha güvenilir biçimde gösterilmesi gerektiğini ortaya koymaktadır.
Özet (Çeviri)
Cardiomyopathies, particularly dilated and hypertrophic ones, can impair the structure and function of heart muscle, leading to serious consequences such as heart failure and sudden cardiac death. Therefore, accurate early diagnosis and classification are clinically critical for these disease groups. This study aims to develop a multimodal artificial intelligence classification approach that more closely mimics the clinical decision-making logic in cardiomyopathy diagnosis. Within the scope of this thesis, dilated cardiomyopathy, hypertrophic cardiomyopathy, and normal labels were classified by combining image representations obtained from cardiac magnetic resonance (cine CMR) data with clinical/biological/radiomic tabular variables. First, the dataset was separated on a patient-by-patient basis. A detailed data preparation and analysis process was undertaken, including steps such as image and mask consistency, resolution matching, and alignment of end-diastolic (ED) and end-systolic (ES) phases. In the designed architectural framework, a feature-level fusion strategy was implemented by combining features from ED/ES image and mask inputs at patient level using pre-trained convolutional neural networks (CNNs) on the image side. In the final classification stage, predictions were made using tree-based methods under hyperparameters selected with the Optuna method. Extensive configuration trials were conducted to analyze the relationships between feature-generating model architectures on CNN side and tree-based methods in the final classification phase. The trials revealed that the best accuracy performance was achieved with ConvNeXt – Tiny CNN embedding generator and XGBoost classifier configuration, initially achieving 92% accuracy. The lower performance in the validation test compared to the test set indicates that the model is sensitive to data distribution and is considered a critical finding in terms of potential generalization fragility. Therefore, instead of reporting a single score, a post-hoc analysis approach was adopted. The model's performance stability was analyzed in detail using cross-validation with repeated sampling (3*10=30 repetitions), seed sensitivity, learning curves, accuracy and loss curves depending on the number of trees, and Principal Component Analysis (PCA). The model's accuracy was obtained at 89% after 30 cross-validations and different seed runs. Classification time varied in each trial configuration, averaging 480 seconds. Additionally, the potential distribution shift (domain) analysis between training, validation, and testing distinctions was quantitatively examined. Examples of misclassification were interpreted using explainability methods (occlusion). The findings reveal that the proposed model architecture can produce consistent performance even under limited sample conditions, but its generalization power needs to be demonstrated more reliably with detailed validation in more homogeneous and larger datasets.
Benzer Tezler
- Kardiyomiyopati alt türlerinde kardiyak manyetik rezonans görüntüleme bulgularının retrospektif karşılaştırılması:Dilate olmayan sol ventrikül kardiyomiyopati ve dilate kardiyomiyopati hastalarında analiz
Retrospective comparison of cardiac magnetic resonance imaging findings in cardiomyopathy subtypes: Analysis in non-dilated left ventricle cardiomyopathy and dilated cardiomyopathy patients
ALPER CANDEMİR
- Yapısal kardiyak anomalisi ve süreğen hastalığı olmayan ventriküler erken vuru (VEV)'lu çocuk ve adolesan olgularda izlem sürecinde prognozun değerlendirilmesi
Prognosis of ventricular premature contractions (VPCS) in children and adolescents without structural cardiac abnormalities and chronic disease: A clinical follow up study
KÜRŞAT ÇETİN
Tıpta Uzmanlık
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıAkdeniz ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. FİLİZ EKİCİ
- Kateter ablasyon yapılan iskemik ventriküler taşikardi hastalarında kritik koridorların değerlendirilmesi: Üç boyutlu elektroanatomik haritalama ve kardiyak manyetik rezonans görüntüleme bulgularının karşılaştırılması ve sonlanımlar üzerine etkisinin değerlendirilmesi
Evaluation of critical corridors in ischemic ventricular tachycardia patients undergoing catheter ablation: Comparison of three-dimensional electroanatomic mapping and cardiac magnetic resonance imaging findings and assessment of their impact on outcomes
MERT DOĞAN
Tıpta Uzmanlık
Türkçe
2025
KardiyolojiHacettepe ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. HİKMET YORGUN
- Dilate kardiyomiyopatide kantitatif miyokardiyal fibrozisin potansiyel bir prediktif belirteci olarak serum tenascin-C düzeyi
Serum tenascin-C level as a potential predictive marker of quantitative myocardial fibrosis in dilated cardiomyopathy
MUSTAFA KURŞUN
Tıpta Uzmanlık
Türkçe
2015
KardiyolojiEge ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. FİLİZ ÖZERKAN ÇAKAN
- Normal olgularda ve farklı kardiyomiyopatilerde miyokardiyal T1 ve t2 zamanları
Myocardial T1 and T2 values in normal patients and some cardiomyopathies
ZEYNEP MÜNTEHA AKBULUT
Tıpta Uzmanlık
Türkçe
2018
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. HASAN YİĞİT