基于稳定小波-持久同调向量化的乳腿癌模型拓扑条件化
计算机视觉与模式识别
2025-12-12 v1
摘要
乳腹癌是女性最常见的癌症类型，也是全球癌症死亡的主要原因之一。筛查乳腺CT可以降低死亡率，但诊断仍面临大量假阴性和假阳性，模型在跨扫描仪、模态和患者族群部署时准确率常下降。我们提出一种旨在提高外部性能的简单条件信号，基于持久同调的小波向量化。通过拓扑数据分析，我们总结跨强度阈值的持久图像结构，并将其转化为稳定于小幅强度扰动的空间、多尺度映射。这些映射通过输入级通道拼接集成到两个阶段的检测管道中。模型在来自美国的CBIS DDSM数字胶片乳腺影像队列上进行训练和验证，并在来自葡萄牙（INbreast）和中国（CMMD）的两个独立全场数字乳腺影像队列上进行评估，患者层面性能报告。结果表明，在有限训练预算下，将 wavelet persistence 通道augmented的ConvNeXt Tiny模型在INbreast数据集上实现了患者层面AUC从0.55提升至0.75。
引用
@article{arxiv.2512.10151,
title = {Topological Conditioning for Mammography Models via a Stable Wavelet-Persistence Vectorization},
author = {Charles Fanning and Mehmet Emin Aktas},
journal= {arXiv preprint arXiv:2512.10151},
year = {2025}
}
备注
8 Pages, 2 Figures, submitted to IEEE Transactions on Medical Imaging