La homología persistente para la clasificación de tumores de mama utilizando escaneos de mamografía
Autores: Asaad, Aras; Ali, Dashti; Majeed, Taban; Rashid, Rasber
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
La homología persistente para la clasificación de tumores de mama utilizando escaneos de mamografía
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Herramienta
Homología persistente
Código de barras
Patrones binarios locales
Imagen
Homología persistente basada en puntos de referencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Una herramienta importante en el campo del análisis de datos topológicos es la homología persistente (PH), que se utiliza para codificar representaciones abstractas de la homología de datos en diferentes resoluciones en forma de código de barras de persistencia (PB). Normalmente, se obtendrá un PB a partir de una imagen digital al usar un método de filtración de subconjuntos. En este trabajo, construimos más de un PB de una sola imagen basado en un método de selección de puntos de referencia, conocido como patrones binarios locales (LBP), que codifican diferentes tipos de texturas locales de una imagen digital. A partir de la esquina superior izquierda de cualquier parche de 3 por 3 seleccionado de una imagen de entrada, el proceso LBP comienza restando el valor del píxel central de los valores de los ocho píxeles vecinos. Luego, a cada celda se le asigna un 1 si el resultado de la resta es positivo, y un 0 en caso contrario, para obtener una representación binaria de 8 bits. Este proceso identificará un conjunto de píxeles de referencia para representar 0-símplices y utilizará la filtración de Vietoris-Rips para obtener su PB correspondiente. Usando LBP, podemos construir hasta 56 PB a partir de una sola imagen si nos restringimos a utilizar solo los códigos binarios que tienen dos transiciones circulares entre 1 y 0. La información dentro de estos 56 PB contiene información topológica y geométrica local y global detallada, que se puede utilizar para diseñar modelos efectivos de aprendizaje automático. Probamos la efectividad de la PH basada en puntos de referencia propuesta en dos conjuntos de datos públicos para la detección de anormalidades mamarias utilizando escaneos de mamografías. La sensibilidad y especificidad de la PH basada en puntos de referencia obtenida fue superior al 90% y 85%, respectivamente, en ambos conjuntos de datos para la detección de escaneos mamarios anormales. Finalmente, los resultados experimentales brindan nuevas ideas sobre el uso de diferentes vectorizaciones de PB con filtraciones de subconjuntos y filtraciones de Vietoris-Rips basadas en puntos de referencia de escaneos digitales de mamografías.
Descripción
Una herramienta importante en el campo del análisis de datos topológicos es la homología persistente (PH), que se utiliza para codificar representaciones abstractas de la homología de datos en diferentes resoluciones en forma de código de barras de persistencia (PB). Normalmente, se obtendrá un PB a partir de una imagen digital al usar un método de filtración de subconjuntos. En este trabajo, construimos más de un PB de una sola imagen basado en un método de selección de puntos de referencia, conocido como patrones binarios locales (LBP), que codifican diferentes tipos de texturas locales de una imagen digital. A partir de la esquina superior izquierda de cualquier parche de 3 por 3 seleccionado de una imagen de entrada, el proceso LBP comienza restando el valor del píxel central de los valores de los ocho píxeles vecinos. Luego, a cada celda se le asigna un 1 si el resultado de la resta es positivo, y un 0 en caso contrario, para obtener una representación binaria de 8 bits. Este proceso identificará un conjunto de píxeles de referencia para representar 0-símplices y utilizará la filtración de Vietoris-Rips para obtener su PB correspondiente. Usando LBP, podemos construir hasta 56 PB a partir de una sola imagen si nos restringimos a utilizar solo los códigos binarios que tienen dos transiciones circulares entre 1 y 0. La información dentro de estos 56 PB contiene información topológica y geométrica local y global detallada, que se puede utilizar para diseñar modelos efectivos de aprendizaje automático. Probamos la efectividad de la PH basada en puntos de referencia propuesta en dos conjuntos de datos públicos para la detección de anormalidades mamarias utilizando escaneos de mamografías. La sensibilidad y especificidad de la PH basada en puntos de referencia obtenida fue superior al 90% y 85%, respectivamente, en ambos conjuntos de datos para la detección de escaneos mamarios anormales. Finalmente, los resultados experimentales brindan nuevas ideas sobre el uso de diferentes vectorizaciones de PB con filtraciones de subconjuntos y filtraciones de Vietoris-Rips basadas en puntos de referencia de escaneos digitales de mamografías.