Multimodal data fusion and multicompartment image analysis in acute and chronic lung diseases
Akut ve kronik akciğer hastalıklarında çok modlu veri füzyonu ve çok kompartımanlı görüntü analizi
- Tez No: 949627
- Danışmanlar: DOÇ. DR. YEŞİM AYDIN SON
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji, Göğüs Hastalıkları, Computer Engineering and Computer Science and Control, Infectious Diseases and Clinical Microbiology, Chest Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
Bu tez, akut ve kronik akciğer hastalıklarında tanısal modelleme ve klinik tahmini geliştirmek için çok modlu veri füzyonu ve çok kompartımanlı görüntü analizini araştırmaktadır. Bu hedeflere ulaşmak için iki farklı hasta kohortu analiz edilmiştir. İlk bölümde, COVID-19 hastalarından oluşan bir kohortu inceleyerek görüntüleme, klinik, laboratuvar ve viral genom dizileme verilerini seyrek doğrusal modelleme teknikleri kullanarak entegre ettik. Farklı veri modaliteleri arasındaki ilişkileri tanımlamak ve nicel olarak belirlemek amacıyla denetimsiz seyrek kanonik korelasyon analizi uyguladık. Bu analiz, görüntüleme verileri ile laboratuvar sonuçları arasında anlamlı korelasyonlar ortaya koymuş ve belirgin klinik fenotiplerin tanımlanmasını sağlamıştır. Yoğun bakım ünitesine kabulü öngörmek üzere çok modlu veri birleştirmeyi optimize etmek için denetimli iş birlikçi öğrenme yöntemini kullandık. Ayrıca, viral genomları kodlayabilmek için Word2Vec doğal dil işleme modelinden yenilikçi bir şekilde faydalandık. Bu yaklaşım yalnızca başlıca SARS-CoV-2 varyantlarını ayırt etmekle kalmamış, aynı zamanda viral suşlar arasındaki filogenetik ilişkilerin korunmasını sağlamış ve genomik verilerin klinik analizlere entegrasyonunu mümkün kılmıştır. İkinci bölümde, interstisyel akciğer hastalıklarına odaklanarak, göğüs bilgisayarlı tomografi görüntülerinden akciğer parankimi ve pulmoner arterlere ait radyomik öznitelikleri çıkarıp entegre ederek çok kompartımanlı görüntü analizi kavramını uyguladık. Pulmoner arterden elde edilen radyomik özniteliklerin yorumlanabilir olduğunu ve pulmoner hipertansiyon ile transplantasyonsuz sağkalım açısından öngörü değeri taşıdığını gösterdik. Ayrıca, pulmoner arter ve akciğer parankim özniteliklerinin bir arada kullanılması bu klinik sonuçlara yönelik tahmin performansını artırdı. Birlikte ele alındığında, bu bölümlerde, çok modlu veri füzyonu ve çok kompartımanlı görüntü analizinin klinik karar verme süreçlerini yansıtabileceğini ve karmaşık akciğer hastalıklarında kişiselleştirilmiş prognoz tahminini iyileştirebileceğini ortaya koyuyoruz.
Özet (Çeviri)
This thesis investigates multimodal data fusion and multicompartment image analysis to enhance diagnostic modeling and clinical prediction in acute and chronic lung diseases. Two distinct patient cohorts were analyzed to address these objectives. In the first part, we studied a cohort of COVID-19 patients by integrating imaging, clinical, laboratory, and viral genome sequencing data using sparse linear modeling techniques. To identify and quantify relationships across these diverse data modalities, we applied unsupervised sparse canonical correlation analysis, which revealed significant correlations between imaging data and laboratory results and enabled the identification of distinct clinical phenotypes. We also employed supervised cooperative learning to optimize multimodal data fusion for predicting intensive care unit admission. Furthermore, we innovatively leveraged the Word2Vec natural language processing model to encode viral genomes, an approach that not only distinguished major SARS-CoV-2 variants but also preserved phylogenetic relationships between viral strains, enabling the integration of genomic data into downstream clinical modeling. In the second part, we focused on interstitial lung diseases, applying the concept of multicompartment image analysis by extracting and integrating lung parenchymal and pulmonary artery radiomics features from chest computed tomography scans. We demonstrated that pulmonary artery features are interpretable and hold predictive value for pulmonary hypertension and transplant-free survival. Moreover, combining pulmonary artery and lung parenchymal features improved predictive performance for these outcomes. Together, in these parts, we illustrate how multimodal data fusion and multicompartment image analysis can mirror clinical decision-making processes and improve personalized prognostication in complex lung diseases.
Benzer Tezler
- Multimodal representation learning for synchronized speech and videos
Eşzamanlı konuşma ve video için çok kipli gösterim öğrenimi
ÖYKÜ DENİZ KÖSE
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT SARAÇLAR
- A multi-dimensional technique for predicting the severity of depression and anxiety disorders among social media users using a deep learning-based model
Sosyal medya kullanıcılarında depresyon ve anksiyete bozukluklarının şiddetini derin öğrenme tabanlı bir modelle öngörmeye yönelik çok boyutlu bir teknik
MARYAM ZAKER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. NİMA JAFARİ NAVİMİPOUR
- Farklı veri türlerinin birleştirilmesi ile epilepsi hastalığının otomatik tespiti ve sınıflandırılması
Automatic detection and classification of epilepsy disease by combining different data types
ŞENGÜL BAYRAK HAYTA
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EYLEM YÜCEL DEMİREL
DOÇ. DR. HİDAYET TAKCI
- Fusing semantic information extracted from visual, auditory and textual data of videos
Videolarda görüntü, ses ve metin verilerinden çıkarılan anlamsal bilgilerin birleştirilmesi
ELVAN GÜLEN
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN YAZICI
- Data fusion- based multimodal face recognition techniques
Veri füzyonu tabanlı çok kipli yüz tanıma teknikleri
BILAL AHMED
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. TANER ÇEVİK