G-LoG Bi-filtration for Medical Image Classification

1. بيان المشكلة

أظهر تحليل البيانات الطوبولوجية (TDA)، وتحديداً الهومولوجيا المستمرة، إمكانات واعدة في استخراج الميزات الهندسية والطوبولوجية من الصور الطبية. ومع ذلك، فإن معظم التطبيقات الحالية تعتمد على ترشيحات أحادية المعلمة (مثل Vietoris-Rips أو lower-star)، والتي غالباً ما تفشل في التقاط العلاقات الهيكلية المعقدة المتأصلة في البيانات الطبية.

بينما يوفر الهومولوجيا متعدد المعلمات تمثيلاً أغنى، فإن بناء ترشيحات متعددة المعلمات فعالة مباشرة من الصور يظل تحدياً كبيراً. تتطلب الطرق الموجودة غالباً اختيار مشغلات معقدة (مثل GENEO) أو تؤدي إلى سلوكيات "أحادية المعلمة جوهرياً" إذا كانت دالات الترشيح مستقلة (أي أن مجموعاتها الفرعية المستوى لا تتقاطع بشكل ذي معنى). علاوة على ذلك، هناك نقص في طرق الترشيح ثنائية المعلمات المستقرة والفعالة وسهلة الوصول والمصممة خصيصاً للتصوير الطبي الحجمي، والتي يمكنها منافسة النماذج المرجعية للتعلم العميق دون الحاجة إلى مجموعات بيانات ضخمة مصنفة.

2. المنهجية: ترشيح G-LoG ثنائي المعلمات

يقترح المؤلفون G-LoG (Gaussian-Laplacian of Gaussian)، وهو إطار عمل لترشيح ثنائي المعلمات مبتكر ومصمم لتوليد وحدات استمرار متعددة المعلمات قوية من الصور الطبية.

المفهوم الجوهري

تستفيد الطريقة من الطبيعة التكاملية لمشغلين:

1. التنعيم الغاوسي ($\gamma_1$): يقضي على الضجيج ويلتقط الهياكل الكثافة العالمية.
2. لا بلاسيان الغاوسي (LoG) ($\gamma_2$): يعزز الحدود ويكشف الحواف (النسيج).

من خلال إجراء عملية التفاف (convolution) لدالة الصورة المدخلة $\phi$ مع كل من نواة غاوسية $G$ ونواة لا بلاسيان الغاوس $\Delta G$، يعرّف المؤلفون دالة ترشيح ثنائية المعلمات $\vec{\gamma}_\phi = (\gamma_1, \gamma_2)$.

الصيغة الرياضية

لدالة الإدخال $\phi: \mathbb{R}^n \to \mathbb{R}$:

• $\gamma_1(x) = (\phi * G)(x)$ (التفاف غاوسي)
• $\gamma_2(x) = (\phi * \Delta G)(x)$ (التفاف LoG)

يتم بناء الترشيح ثنائي المعلمات عن طريق أخذ المجموعات الفرعية المستوى لهاتين الدالتين في آن واحد: $X_{s,t} = \{x \mid \gamma_1(x) \leq s, \gamma_2(x) \leq t\}$.

المساهمة النظرية الرئيسية: الاستقرار

يثبت البحث أن مسافة التداخل (interleaving distance) بين وحدات الاستمرار الناتجة عن G-LoG مستقرة بالنسبة للحد الأقصى لمعيار الدوال المدخلة.

• مبرهنة: $d_I(M(\vec{\gamma}_{\phi_1}), M(\vec{\gamma}_{\phi_2})) \leq C \cdot \|\phi_1 - \phi_2\|_\infty$.
• يضمن هذا أن الاضطرابات الصغيرة في الصورة الطبية (مثل الضجيج) تؤدي إلى تغييرات محدودة في الميزات الطوبولوجية، وهي خاصية حاسمة للتطبيقات الطبية العملية.

خط معالجة التنفيذ

1. المعالجة المسبقة: يتم تحويل الصور إلى تدرج رمادي وتطبيعها.
2. بناء الترشيح: يتم توليد ترشيحات ثنائية المعلمات باستخدام مكتبة multipers (للاستمرار متعدد المعلمات) و GUDHI (للمعقدات المكعبة).
3. التحويل إلى متجه (Vectorization): يتم تحويل وحدات الاستمرار الناتجة إلى صور الاستمرار متعددة المعلمات (MPIs) باستخدام نوى غاوسية.
   • الصور ثنائية الأبعاد: دمج صور $H_0$ و $H_1 \to$ متجه بـ 5000 بُعد.
   • الأحجام ثلاثية الأبعاد: دمج صور $H_0, H_1, H_2 \to$ متجه بـ 7500 بُعد.
4. التصنيف: يتم تدريب شبكة عصبية متعددة الطبقات (MLP) بسيطة على هذه المتجهات الطوبولوجية.

3. المساهمات الرئيسية

• ترشيح مبتكر ثنائي المعلمات: تقديم G-LoG، وهو ترشيح ثنائي المعلمات بسيط وفعال يضمن أن تقاطع المجموعات الفرعية المستوى غير فارغ، مما يتجنب الحالة "المنحطة" حيث يختزل الترشيح متعدد المعلمات إلى سلوك أحادي المعلمة.
• إثبات الاستقرار: إثبات نظري بأن وحدات G-LoG مستقرة تحت مسافة التداخل، مما يضمن القوة ضد ضجيج الصور.
• الكفاءة: الطريقة فعالة حاسوبياً، حيث تولد وحدات الاستمرار في حوالي 0.1 ثانية للصور ثنائية الأبعاد وحوالي 90 ثانية للأحجام ثلاثية الأبعاد على الأجهزة القياسية.
• الأداء مع النماذج البسيطة: يوضح أن الميزات الطوبولوجية المستخرجة عبر G-LoG تسمح لنموذج MLP بسيط بتحقيق أداء يضاهي بنيات التعلم العميق المعقدة (ResNet, AutoML) المدربة على بكسلات خام.

4. النتائج التجريبية

تم تقييم الطريقة على مجموعة بيانات MedMNIST (v2)، التي تضم 12 مهمة تصنيف صور طبية حيوية ثنائية الأبعاد و6 مهام ثلاثية الأبعاد.

• المقارنة المرجعية: ResNet (18/50)، Auto-sklearn، AutoKeras، Google AutoML Vision، ونهج Topo-Med أحادي المعلمة.
• أداء 2D:
  • تفوق G-LoG بشكل كبير على Topo-Med أحادي المعلمة (على سبيل المثال، +41.7% في الدقة على ChestMNIST).
  • حقق نتائج تنافسية ضد المراجع المرجعية للتعلم العميق. على سبيل المثال، في PathMNIST، حقق 95.5% AUC (متفوقاً على Auto-sklearn بنسبة 93.4%). وفي ChestMNIST، وصل إلى 94.7% دقة، مضاهاً ResNet-18/50 وتأخر فقط عن Google AutoML Vision.
  • لوحظ الأداء الأمثل مع نواة غاوس $\sigma = 0.5$، مما يؤكد الحاجة إلى تقاطع متوازن للمجموعات الفرعية المستوى.
• أداء 3D:
  • تفوقت الطريقة على النهج أحادي المعلمة وأظهرت تنافسية قوية ضد متغيرات ResNet ثلاثية الأبعاد.
  • نتائج ملحوية: VesselMNIST3D (93.3% AUC، 93.7% ACC) و AdrenalMNIST3D (87.0% AUC، 84.7% ACC).
  • في SynapseMNIST3D، حققت الطريقة 82.7% دقة، متجاوزة العديد من المراجع المرجعية للتعلم العميق.

5. الأهمية والعمل المستقبلي

• الأهمية: يسد هذا العمل الفجوة بين تحليل البيانات الطوبولوجية متعدد المعلمات النظري وتحليل الصور الطبية العملي. إنه يثبت أن الميزات الطوبولوجية المصممة بعناية يمكن أن تحل محل أو تعزز بيانات البكسل الخام، مما يسمح بتصنيف عالي الأداء باستخدام نماذج خفيفة الوزن (MLP) تكون أكثر قابلية للتفسير وتتطلب بيانات أقل من الشبكات العصبية العميقة.
• الاتجاهات المستقبلية:
  • توسيع إطار العمل ليشمل الترشيحات ثلاثية المعلمات لالتقاط هياكل طوبولوجية أكثر تعقيداً.
  • دمج G-LoG في خطوط تحسين التعلم العميق من النهاية إلى النهاية للسماح بالتعلم المشترك لمعلمات الترشيح وأوزان التصنيف.
  • تطبيق الطريقة على مجالات أوسع مثل رسومات الكمبيوتر ومجالات التصوير العلمي الأخرى.

باخت-صار، يقدم البحث نهجاً قوياً، مؤصلاً نظرياً، وناجحاً تجريبياً لتصنيف الصور الطبية باستخدام الهوملوجيا المستمرة متعددة المعلمات، مما يثبت أن الميزات الطوبولوجية يمكن أن تضاهي أداء التعلم العميق الحديث.