基于持续同调的海马体拓扑形态修复.pdfVIP

基于持续同调的海马体拓扑形态修复

摘要

当今社会中阿尔兹海默症正日益严重地影响人们的健康生活，许多研究人员因此

开展对阿尔兹海默症的研究，分析探究其致病机理、早期诊断和治疗方案。人脑海马

体的形态变化是阿尔兹海默症不同病变阶段的重要特征，因此海马体形态研究成为当

前的热门研究对象。目前的海马体研究需经过神经成像、海马体及其子区分割、海马

体形态分析等环节，但在这个过程中海马体图像可能存在拓扑错误，给海马体形态研

究带来干扰，影响分析结果的准确性。

针对以上问题，本文围绕海马体图像中存在的拓扑错误开展研究，完成拓扑错误

修复工作，使海马体图像拥有正确的拓扑结构，并对海马体形态分析和海马体图像分

类的数据指标进行对比分析和可视化。具体的研究内容如下：

（1）引入代数拓扑中的持续同调理论，通过构造海马体图像的点云集、生成不同

滤值下图像单纯复形的图形过滤并计算n维拓扑结构，设计基于持续同调规则的拓扑修

复算法，完成对海马体三维图像中拓扑错误的自动检测，定位和修复工作。

（2）进一步地，在完成基于持续同调规则的拓扑修复算法后，将持续同调理论和

深度学习神经网络相结合，利用三维卷积网络的特征提取能力和持续同调的拓扑分析

能力，设计融合深度学习和持续同调的拓扑修复算法，追求更优的修复效果。

（3）将所设计的两种算法应用于海马体图像数据集，进行海马体形态学分析和海

马体图像分类实验，对实验结果展开数据分析并可视化结果，对比未修复的海马体图

像和经过两种算法修复后的海马体图像的统计差异，验证拓扑修复的重要性和两种算

法的修复效果。

采用本文的研究方案，设计并实现的两种拓扑修复算法均能修复海马体图像中存

在的拓扑错误问题。两种拓扑修复算法分别使海马体图像在面积畸变成本上下降为原

本的6.15%和0.01%，在球谐波系数离群点上下降为原本的89.73%和44.02%，在马氏

距离离群点上下降为原本的98.04%和70.59%，在图像分类准确率上平均上升了5.96%

和2.88%。修复算法提高了海马体图像在后续形态分析中和海马体图像分类任务中的数

据表现，优化了海马体图像的信息价值和分析研究的准确性。

关键词：阿尔兹海默症；海马体图像；持续同调；深度学习；数据分析

基于持续同调的海马体拓扑形态修复

Abstract

Intodayssociety,Alzheimersdiseaseisincreasinglyaffectingpeopleshealthylives.

Therefore,manyresearchersareconductingresearchonAlzheimersdisease,analyzingand

exploringitspathogenesis,earlydiagnosis,andtreatmentplans.Themorphologicalchangesof

thehippocampusinthehumanbrainareanimportantfeatureofdifferentstagesofAlzheimers

disease,sothestudyofhippocampalmorphologyhasbecomeahotresearchtopic.Atpresent,

researchonthehippocampusrequiresprocessessuchasneuroimaging,segmentationofthe

hippocampusanditssubregions,andanalysisofhippocampalmorphology.However,inthis

process,theremaybetopologicalerrorsinthehippocampusimages,whichcaninterferewiththe

stud