多维成像中基于复杂网络的信息检索与诊断

我们提出了一种新颖、广泛而简单的方法，通过将复杂网络理论应用于多维动态图像，来实现一般意义上的信息检索尤其是诊断。我们利用水性缺乏性干眼（ADDE）患者的高内涵热成像视频生成的时间序列，展示了该方法的成功应用。值得注意的是，对隐形眼镜使用者和接受过激光原位角膜磨镶术（Lasik）患者的热成像时间序列进行的网络分析，显示出与 ADDE 患者结果明显的相似性。我们还提出了一个通用框架，用于将多维图像转换为网络，以用于未来的生物特征识别。我们的方法是通用的，可扩展到其他基于波动的设备，其中由波动导出的网络参数充当有效的判别器和诊断标记。