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: Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji, Göğüs Hastalıkları, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Infectious Diseases and Clinical Microbiology, Chest Diseases, Computer Engineering and Computer Science and Control
- 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: Belirtilmemiş.
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
- Multimedia data modeling and semantic analysis by multimodal decision fusion
Çoklu karar füzyonu ile medya veri modelleme ve anlamsal bölümleme
MENNAN GÜDER
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Kiraz meyvesi gelişim dönemlerinin tahmininde multimodal veri füzyonu ile yapay zeka yaklaşımlarının kullanılması
Using multimodal data fusion and artificial intelligence approaches in predicting cherry fruit development stages
NURULLAH DOĞAN
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ÖZYURT
- İnsan sağlığı takibi için giyilebilir sensör verilerinin çok kipli ve füzyon tabanlı analizi
Multimodal and fusion based analysis of wearable sensor data for human health monitoring
GÖKHAN MEMİŞ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA SERT
- 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
- Improving human action recognition using decision level fusion of classifiers trained with depth and inertial data
Derinlik ve atalet verileriyle eğitilmiş sınıflandırıcıların karar düzeyinde füzyonuyla insan hareketi tanımanın iyileştirilmesi
ZAIN FUAD
Yüksek Lisans
İngilizce
2018
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL