05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6

Browse

Publication Type: search.filters.UBSTyp.DissertationSubject: search.filters.subject.610Subject: search.filters.subject.600

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Deep learning aided clinical decision support
    (2023) Schneider, Rudolf; Staab, Steffen (Prof. Dr.)
    Medical professionals create vast amounts of clinical texts during patient care. Often, these documents describe medical cases from anamnesis to the final clinical outcome. Automated understanding and selection of relevant medical records pose an opportunity to assist medical doctors in their day-to-day work on a large scale. However, clinical text understanding is challenging, especially when dealing with clinical narratives such as nursing notes or diagnostic reports. These clinical documents differ extensively in length, structure, vocabulary, and lexical and grammatical correctness. In addition, they are highly context-dependent. For all these reasons, approaches based on syntactic rules and discrete text representation often fail to address the variety of clinical narratives propagating unrecoverable errors to downstream applications. Therefore, this thesis focuses on evaluating and designing methods and models that are generalizable and adaptable enough to deal with these challenges. Our goal is to enable text-based clinical decision support systems to utilize the knowledge from clinical archives and medical publications. We aim to design methods that can scale up to the growing amount of clinical documents in hospital archives. A fundamental problem in achieving deep-learning-enabled clinical decision support systems is designing a patient representation that captures all relevant information for automated processing. We engage these challenges by designing a framework for deep-learning-enabled differential diagnosis support. Guided by the needs emerging from this framework, we design and evaluate methods based on three information representation paradigms: (1) Discrete relation extraction using the open information extraction paradigm. (2) Neural text representations based on language and topic modeling. (3) Combining complementary neural text representations. Our framework translates clinical diagnostic steps and pathways to statistical and deep-learning-based models. Accordingly, we can show that deep-learning-enabled differential diagnosis benefits from contextualized information representations. Further, we identify shortcomings of the open information extraction paradigm in a comprehensive benchmark. We design a distributed text representation model based on topical information. Our extensive large-scale experiment results show that topical distributed text representations capture information complementary to language modeling-based approaches across domains, thus enabling a holistic text representation for medical texts. Our experiments with medical doctors using our prototypical implementation of the deep-learning-enabled differential diagnosis process validate this framework. Moreover, we identify seven crucial design challenges for text-based clinical decision support systems based on our qualitative and quantitative findings.
  • Thumbnail Image
    ItemOpen Access
    Optische Messsysteme und Ein-Sensor-Bildgebungsverfahren für Biosensoren
    (2024) Berner, Marcel; Werner, Jürgen H. (Prof. Dr. rer. nat. habil.)
    Die vorliegende Arbeit präsentiert die Entwicklung mehrerer Messsysteme und -verfahren für optische Biosensoranwendungen. Der erste Teil dieser Arbeit entwirft eine universelle experimentelle Plattform für die Erprobung neuer optischer Biosensorkonzepte nach dem Prinzip der laserinduzierten Fluoreszenz (LIF). Die Plattform unterstützt das europäische Forschungsprojekt Nanodem bei der Entwicklung eines portablen Point-of-Care-Testing-Gerätes (PoCT) zur Live-Überwachung von Immunsuppressivakonzentrationen im Blut von Transplantationspatienten unmittelbar am Patientenbett. Das in dieser Arbeit entwickelte Plattformkonzept umfasst die optoelektronische Fluoreszenzanregung und -detektion, optische Filtersysteme, den fluoreszenten Farbstoff, das Materialsystem der Transducerchips, das Mikrofluidiksystem sowie die Automatisierung der Ablaufsteuerung. Der Ausgangspunkt der Entwicklung ist die Herleitung eines allgemeinen physikalischen Modells für LIF-Systeme, an dem sich die Konstruktion der Plattform orientiert. Das in Kooperation mit der Eberhard Karls Universität Tübingen entworfene Transducerchipkonzept auf der Basis lasergeschnittener Klebebänder gestattet eine hohe Flexibilität bezüglich der Geometrie und des Aufbaus der Transducerchips und unterstützt den Technologietransfer akademischer Forschungsergebnisse in die industrielle Fertigung. Die entworfenen Photodetektorarrays aus amorphem Silizium lassen sich dank leicht adaptierbarer Herstellungsprozesse kosteneffizient auf beliebige Biosensorgeometrien anpassen. Die erreichte spezifische Detektivität D* = 11 × 10^12 Jones der Detektoren liegt dabei auf Augenhöhe mit der von State-of-the-Art-Detektoren aus kristallinem Material. Die erzielte Detektionsgrenze von c_{LOD,exp} = 26 nmol/l. Weiter bestätigen die experimentellen Messdaten das aufgestellte physikalische Modell. Der zweite Teil dieser Arbeit zeigt ein neues optisches Verfahren zur ortsaufgelösten Messung, das eine Vielzahl von Bildpunkten simultan mit nur einem einzigen optischen Sensor beobachtet. Das Verfahren nutzt hierzu ortsaufgelöste Lichtmodulatoren (Spatial Light Modulators - SLMs), um eine ortsabhängige optische Modulation zu erzeugen. Die erzeugten optischen Trägersignale gestatten die Zuordnung der als Summensignal empfangenen Signale zu ihren Ursprungspunkten. Der sogenannte Fourier Spotter macht sich dabei die mathematischen Eigenschaften der Fourier-Transformation zunutze. Durch die Anwendung zueinander phasenverschobener Modulationssignale gestattet der Fourier Spotter zudem die unmittelbare Messung von Helligkeitsdifferenzen zwischen unterschiedlichen Beobachtungspunkten. Dieses differentielle optische Messprinzip ist der Kern eines bereits erteilten Patents des Autors mit der Universität Stuttgart. Das neuartige optische Messprinzip eignet sich für die Integration in optische Biosensor-Verfahren, wie etwa die Einwellenlängenreflektometrie (engl. Single Color Reflectometry - SCORE), welche derzeit noch auf teure Spezialkameras angewiesen sind. Herkömmliche Kamerasysteme erzeugen hohe Datenmengen, deren Auswertung erhebliche Rechenleistung in Anspruch nimmt und damit der Weiterentwicklung hin zu miniaturisierten, portablen Biosensorplattformen entgegensteht. Die vorliegende Arbeit präsentiert einen erfolgreichen experimentellen Machbarkeitsnachweis des Fourier Imagers anhand von Helligkeitsdifferenzmessungen an einem SCORE-Aufbau. Eine zukünftige Erweiterung des Fourier Spotters um ein Zeilenspektrometer erlaubt neben der ortsaufgelösten Beobachtung auch eine simultane Erfassung der optischen Spektren jedes einzelnen beobachteten Punktes. Durch diese hyperspektrale Erweiterung wird die erstmalige Umsetzung einer auf der reflektometrischen Interferenzspektroskopie (RIfS) basierenden mehrkanaligen optischen Biosensorplattform möglich. Der dritte Teil dieser Arbeit verallgemeinert das Prinzip des Fourier Spotters und überführt dieses in ein Ein-Pixel-Kamera-Verfahren - das AM-FDM Imaging (engl. Amplitude Modulated Frequency Division Multiplexing). Das AM-FDM Imaging basiert auf der Anwendung von Näherungsverfahren, die ein Übersprechen zwischen den Trägersignalen minimieren. Das aufgestellte systemtheoretische Modell des AM-FDM Imaging umfasst auch das Fourier Spotting und erlaubt den Vergleich mit Rasterscans sowie bereits bekannten Ein-Pixel-Kamera-Verfahren wie dem Hadamard Imaging. Ist das Signal-zu-Rausch-Verhältnis durch das Rauschen des Detektorsystems begrenzt, so erreicht das AM-FDM Imaging einen sogenannten Multiplexgewinn amult = O(M) in der Größenordnung der Anzahl simultan beobachteter Bildpunkte M. Mit den derzeit eingesetzten Näherungsverfahren erreicht das AM-FDM Imaging hinsichtlich des Signal-zu-Rausch-Verhältnisses, der Anzahl simultan beobachtbarer Bildpunkte und der erzielbaren Bildwiederholrate nicht die Leistungsfähigkeit des bei Ein-Pixel-Imaging-Verfahren vorherrschenden Hadamard Imagings. Die in dieser Arbeit diskutierten Verwandtschaftsverhältnisse des AM-FDM Imagings zu anderen bekannten Ein-Pixel-Kamera-Verfahren legen jedoch die Vermutung nahe, dass ein bisher unbekanntes Näherungsverfahren existiert, das das AM-FDM Imaging mit dem Hadamard Imaging gleichstellt. Die Ergebnisse des systemtheoretischen Modells wurden mittels Simulation in Matlab bestätigt und gelten auch für den Fourier Spotter. Damit zeigen die Ergebnisse auf, dass im SCORE-Anwendungsfall eine Modulation nach dem Prinzip des Hadamard Imagings vorteilhafter ist. Das erteilte Patent zum optisch differentiellen Messverfahren schließt auch eine differentielle Variante des Hadamard Imagings mit ein. Gegenüber der Differenzwertbestimmung aus gemessenen Absolutwerten verdoppelt das differentielle Messverfahren wahlweise das Signal-zu-Rauschleistungs-Verhältnis oder die Bildwiederholrate des Hadamard Imagings.