利用持续同调拓扑特征刻画医学图像：肺癌与脑癌案例研究
计算机视觉与模式识别
2023-03-01 v4 应用统计
统计方法学
摘要
肿瘤形状是影响肿瘤生长和转移的关键因素。本文提出一种由持续同调计算的拓扑特征，用于从数字病理和放射图像中刻画肿瘤进展，并检验其对时间-事件数据的影响。所提出的拓扑特征对保尺度变换不变，并能概括多种肿瘤形状模式。这些拓扑特征在函空间表示，并作为函数型 Cox 比例风险模型中的函数型预测变量。所提模型能够对拓扑形状特征与生存风险之间的关联进行可解释的推断。使用连续的 133 名肺癌和 77 名脑肿瘤患者进行了两项案例研究。两项研究的结果均表明，在调整临床变量后，拓扑特征可预测生存预后，且预测的高风险组比较低风险组生存结局更差。此外，被发现与生存风险正相关的拓扑形状特征为不规则且异质性的形状模式，已知其与肿瘤进展相关。
引用
@article{arxiv.2012.12102,
title = {Using Persistent Homology Topological Features to Characterize Medical Images: Case Studies on Lung and Brain Cancers},
author = {Chul Moon and Qiwei Li and Guanghua Xiao},
journal= {arXiv preprint arXiv:2012.12102},
year = {2023}
}