Modelıng dısease progressıon wıth dıffusıon-based generatıve models
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Enformatik Enstitüsü, Modelleme ve Simülasyon Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: MERYEM MİNE KURT
Danışman: Alptekin Temizel
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Hastalık ilerleyişinin modellenmesi, tıbbi görüntülemede boylamsal verilerin yetersizliği ve tıbbi veri kümelerindeki sınıf dengesizliği gibi önemli zorluklar barındırmaktadır. Bu tez, kesitsel verilerden gerçekçi hastalık ilerleyişi dizileri sentezlemek için yeni bir koşullu difüzyon çerçevesi sunmaktadır; odak noktası ülseratif kolit endoskopik görüntüleridir. Önerilen yaklaşım, hastalık şiddetinin ilerleyici doğasını yakalayan özel sıralı (ordinal) gömme (embedding) kullanarak, Mayo Endoskopik Skoru'nun ayrık seviyeleri arasında yumuşak geçişler üretebilmektedir. İki farklı yerleştirme stratejisi geliştirilmiştir: Şiddet sınıfları arasında doğrusal ara değerleme kullanan Temel Sıralı Yerleştirici (Basic Ordinal Embedder) ve patolojik özelliklerin kümülatif doğasını açıkça modelleyen Toplamsal Sıralı Yerleştirici (Additive Ordinal Embedder). Çerçeve, tıbbi görüntüleme uygulamaları için özelleştirilmiş Stable Diffusion v1.4 üzerine inşa edilmiştir ve Exponential Moving Average, Min-SNR-γ ağırlıklandırması ve sınıf dengeli örnekleme gibi gelişmiş eğitim tekniklerini içermektedir. Yöntem, LIMUC veri kümesi üzerinde kapsamlı nicel metriklerle değerlendirilmiştir. Bu çerçeve, sınıflandırma tabanlı veri kümelerini sürekli ilerleyiş modellerine dönüştürmeyi amaçlamakta; hastalık şiddetinin ince ayarlanmasını ve ara evrelerin gerçekçi sentezini mümkün kılmaktadır. Bu çalışma, tıbbi araştırmalarda boylamsal veri eksikliği sorununa önemli bir çözüm sunmakta ve klinik eğitim, tedavi planlaması ve ilerleyici hastalıkların anlaşılması açısından bir temel oluşturmaktadır.