基于三维医学图像的持久性图像：超像素与优化高斯系数
计算机视觉与模式识别
2024-08-16 v1
摘要
拓扑数据分析（TDA）揭示了医学成像中对象的关键属性。基于持久同调的方法已证明其在捕捉传统深度学习方法在放射学和病理学中无法检测到的拓扑特征方面的优势。然而，先前的研究主要集中在二维图像分析上，忽略了全面的三维上下文。在本文中，我们提出了一种创新的三维 TDA 方法，该方法结合了超像素的概念，将三维医学图像特征转换为点云数据。通过利用优化的高斯系数，所提出的三维 TDA 方法首次能够高效地为三维体数据生成整体的持久性图像。在 MedMNist3D 数据集上，我们的三维 TDA 方法相比其他传统方法表现出优越的性能，展示了其在分类任务中对基于三维持久同调的拓扑分析进行建模的潜在有效性。源代码可在 https://github.com/hrlblab/TopologicalDataAnalysis3D 公开获取。
引用
@article{arxiv.2408.07905,
title = {Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient},
author = {Yanfan Zhu and Yash Singh and Khaled Younis and Shunxing Bao and Yuankai Huo},
journal= {arXiv preprint arXiv:2408.07905},
year = {2024}
}