基于信息熵的框架用于量化眼睑腺不均衡坏死的曲线扭曲程度

在医学图像分析领域，精确量化曲线扭曲程度在辅助诊断和病理评估各种疾病方面发挥着关键作用。在本研究中，我们提出了一种用于扭曲程度量化的新型框架，并通过评估眼睑腺不均衡坏死来演示其有效性，作为代表性应用场景。我们引入一种基于信息熵的扭曲程度量化框架，将概率建模与熵理论集成，并纳入曲线数据的数据域转换。不同于曲率或弧-弦比等传统方法，本方法通过将目标曲线与指定参考曲线进行比较来评估其扭曲程度。因此，它更适合医学数据中可获得生物学上合理参考曲线的扭曲评估任务，提供了一种更稳健、客观的评估指标，而无需依赖理想化的直线比较。首先，我们进行了数值模拟实验，以初步评估该方法的稳定性和有效性。随后，该框架被用于量化眼睑腺坏死的空间均匀性，并分析该均匀性在 Demodex 阴性和 Demodex 阳性患者群体之间的差异。结果显示，基于扭曲的均匀性在两个群体之间存在显著差异，其受试者者曲下率（AUC）为 0.8768，灵敏度为 0.75，特异度为 0.93。这些发现凸显了提出框架在曲线扭曲分析中的临床实用性及其作为定量形态学评估工具在医学诊断中的潜在可推广性。