一种用于计算机断层扫描成像的新型基于块（Patch）的拓扑数据分析方法
计算机视觉与模式识别
2026-05-04 v5 机器学习
摘要
基于计算机断层扫描（CT）成像的机器学习模型开发已成为一个主要焦点，因为成像在诊断、分期和预后方面具有广阔前景。这些模型通常依赖于手工特征的提取，其中纳入鲁棒的特征工程可以提升这些模型的性能。拓扑数据分析（TDA）基于代数拓扑的数学领域，从拓扑视角关注数据，提取更深层次的洞察和高维结构。持续同调（PH）是TDA中的基本工具，用于提取拓扑特征，如连通分量、环路和空洞。利用3D立方复形过滤（3D cubical complex filtration）从3D CT图像构建PH是一种针对网格结构数据适配的方法。然而，该方法在高分辨率图像下性能较差且计算成本高。本研究提出了一种新型基于块（patch）的PH构建方法，专为体积CT成像数据设计，旨在提升性能并减少计算时间。本研究进行了一系列实验，全面分析了所提方法的性能，并以立方复形算法和放射组学特征为基准进行对比。我们的结果突出了基于块的TDA方法在分类性能和计算时间方面的优势。所提方法在立方复形方法和放射组学特征上表现更优，在所有数据集上准确率、AUC、灵敏度、特异性和F1分数分别平均提升7.2%、3.6%、2.7%、8.0%和7.2%。最后，我们提供了一个便捷的Python软件包Patch-TDA，以促进所提方法的利用。
引用
@article{arxiv.2512.12108,
title = {A Novel Patch-Based TDA Approach for Computed Tomography Imaging},
author = {Dashti A. Ali and Aras T. Asaad and Jacob J. Peoples and Ahmad Bashir Barekzai and Camila Vilela and Hala Khasawneh and Jayasree Chakraborty and João Miranda and Mohammad Hamghalam and Natalie Gangai and Natally Horvat and Richard K. G. Do and Alice C. Wei and Amber L. Simpson},
journal= {arXiv preprint arXiv:2512.12108},
year = {2026}
}