来自3D医学图像的持久性图像:超像素与优化高斯系数
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了传统深度学习方法在3D医学图像分析中无法有效捕捉拓扑特征的空白。提出了一种创新的3D拓扑数据分析方法,结合超像素概念和优化高斯系数,首次成功生成3D体积数据的整体持久性图像。该方法在MedMNist3D数据集上表现优异,展示了其在分类任务中的潜在应用价值。
本研究使用拓扑数据分析和利普希茨-基林曲率方法,探索了在生物医学多组学问题中的应用。通过结合这两种方法,可以提高分类准确性,并有效提取拓扑和几何特征。这种方法为生物医学应用提供了有前景的结果,并突显了整合拓扑和几何信息的价值。