🤖 machine learning

Topological Signatures vs. Gradient Histograms: A Comparative Study for Medical Image Classification

Este estudio compara el uso de descriptores de gradientes (HOG) y de análisis de datos topológicos (TDA) para la clasificación de retinopatía diabética en imágenes de fondo de ojo, demostrando que ambos métodos ofrecen representaciones complementarias con un rendimiento similar utilizando modelos de aprendizaje automático como XGBoost.

Autores originales: Faisal Ahmed

Publicado 2026-02-10

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Faisal Ahmed

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¿Cómo "ve" una computadora una enfermedad en el ojo? 👁️💻

Imagina que eres un detective que tiene que identificar si una fotografía de un ojo tiene señales de una enfermedad llamada retinopatía diabética. Para lograrlo, no basta con mirar la foto; necesitas herramientas para extraer "pistas" o detalles que el ojo humano podría pasar por alto.

Este estudio compara dos "detectives" (métodos de análisis) muy diferentes para ver cuál es mejor para encontrar esas pistas.

1. El Detective "HOG": El experto en texturas y bordes 🔍📐

Imagina que el primer detective, llamado HOG, es como un artista que solo se fija en las líneas y los contornos.

Si miras un dibujo, el detective HOG no se fija en los colores, sino en hacia dónde apuntan todas las líneas: "aquí hay una línea vertical, aquí una curva, aquí un borde brusco". Es excelente para detectar la textura y las formas locales (como una pequeña mancha o un borde irregular en el ojo).

Su fuerte: Es muy detallista con las formas pequeñas y los cambios de luz.
Su debilidad: Se pierde en el "bosque" por estar tan concentrado en las "hojas". Es difícil entender qué significa exactamente una de sus miles de pistas.

2. El Detective "TDA": El experto en la estructura y el esqueleto 🕸️🏗️

El segundo detective, llamado TDA, es totalmente distinto. Él no mira las líneas, sino la arquitectura global.

Imagina que en lugar de mirar los detalles de una casa, este detective mira el plano de la estructura: "¿Cuántas habitaciones hay conectadas? ¿Hay agujeros en el techo? ¿Es una estructura sólida o está llena de huecos?". En una imagen médica, el TDA busca "agujeros" o "conexiones" en la intensidad de la luz. Si hay una lesión, la "forma" de la imagen cambia, y el TDA detecta ese cambio en la estructura general.

Su fuerte: Es muy inteligente para entender la "forma" general y es muy fácil de explicar (podemos decir: "hay más huecos en esta imagen porque hay más lesiones").
Su debilidad: No es tan detallista con las texturas finas como el primer detective.

¿Qué descubrieron los científicos? 🧪📊

Los investigadores pusieron a prueba a estos dos detectives usando miles de imágenes de ojos reales y los compararon usando modelos de Inteligencia Artificial (como el famoso XGBoost, que es como un juez muy eficiente).

Los resultados fueron fascinantes:

HOG es un poco más preciso: En la mayoría de las pruebas, el detective de las texturas (HOG) logró identificar la enfermedad con un poquito más de exactitud. Es como si tener un microscopio para ver los bordes ayudara a decidir mejor.
TDA es el "traductor" perfecto: Aunque HOG es más preciso, es muy difícil entender por qué tomó una decisión. En cambio, el detective TDA es muy transparente. Nos puede decir: "He detectado que la estructura de la imagen tiene más 'agujeros' de lo normal, y eso es señal de enfermedad". Esto es vital en medicina, donde los doctores necesitan confiar en la máquina.
¡El equipo ideal!: El estudio concluye que no tenemos que elegir a uno solo. Lo mejor sería crear un "Super Detective" que combine la precisión de las texturas (HOG) con la inteligencia estructural (TDA).

¿Por qué es esto importante para ti? 🌟

En el futuro, esto permitirá que las computadoras ayuden a los médicos a detectar enfermedades en los ojos de forma mucho más rápida, barata y, sobre todo, explicable. No será solo una máquina diciendo "está enfermo", sino una máquina que pueda decir: "está enfermo porque la estructura de su retina ha cambiado de esta manera".

1. El Problema

A pesar del éxito de los métodos de aprendizaje profundo (deep learning) en la clasificación de imágenes médicas, estos modelos a menudo carecen de interpretabilidad y pueden tener dificultades para generalizar entre diferentes modalidades de imagen. El estudio aborda la necesidad de encontrar descriptores de características manuales (handcrafted features) que sean robustos, ligeros e interpretables. Específicamente, busca llenar un vacío en la literatura científica: la falta de una comparación directa entre las técnicas de Análisis de Datos Topológicos (TDA) y los Histogramas de Gradientes Orientados (HOG) aplicadas al mismo problema de diagnóstico médico.

2. Metodología

El estudio utiliza el conjunto de datos APTOS (imágenes de fondo de ojo) para realizar dos tareas de clasificación:

Clasificación binaria: Normal vs. Retinopatía Diabética (DR).
Clasificación multiclase: Gradación de la severidad de la DR en cinco niveles.

Se comparan dos enfoques de extracción de características:

TDA (Persistent Homology): Utiliza la persistencia cúbica para extraer descriptores de la forma global y la conectividad. Se extraen 800 características topológicas (vectores de Betti $\beta_0$ y $\beta_1$ a través de 100 niveles de umbral en los canales de color y escala de grises).
HOG (Histogram of Oriented Gradients): Captura la información local de textura y bordes mediante la distribución de orientaciones de gradientes. Se extraen 26,244 características por imagen.

Ambos conjuntos de características se evaluaron de forma independiente utilizando siete modelos de aprendizaje automático clásico: Regresión Logística, Random Forest, XGBoost, SVM, Árbol de Decisión, k-NN y Extra Trees, empleando validación cruzada de 10 pliegues (10-fold cross-validation).

3. Contribuciones Clave

Primer estudio comparativo sistemático: Es la primera investigación que confronta directamente la eficacia de las características basadas en gradientes (geométricas) frente a las topológicas en el contexto de imágenes de fondo de ojo.
Evaluación de dimensionalidad: Demuestra cómo un conjunto de características mucho más pequeño (800 de TDA) puede ser competitivo frente a uno masivo (26,244 de HOG).
Análisis de interpretabilidad: Proporciona un marco para entender cómo las curvas de Betti pueden visualizar diferencias patológicas (como la presencia de lesiones) de manera intuitiva para un clínico.

4. Resultados Principales

Rendimiento de XGBoost: Este modelo fue el mejor en ambos escenarios.
- Tarea Binaria: Logró una precisión de 94.29% con HOG y 94.18% con TDA.
- Tarea Multiclase: Logró 74.41% con HOG y 74.69% con TDA.
Fortalezas comparativas:
- HOG tiende a superar a TDA en modelos lineales y basados en kernels (como SVM y Regresión Logística), mostrando una mayor consistencia en la detección de texturas locales.
- TDA es altamente competitivo cuando se utiliza con modelos de ensamble (árboles) y ofrece una mayor separabilidad de clases en métricas como el AUC en ciertos modelos.
Interpretabilidad: Mientras que las características HOG son difíciles de mapear hacia estructuras anatómicas debido a su alta dimensionalidad y naturaleza abstracta, las características TDA (curvas de Betti) permiten observar directamente cómo la complejidad estructural (agujeros y componentes conectados) cambia con la intensidad de los píxeles, lo cual correlaciona con la presencia de lesiones en la retina.

5. Significado y Conclusiones

El estudio concluye que las características topológicas y las de gradiente son complementarias. HOG es excelente para capturar detalles locales de textura, mientras que TDA captura la organización estructural global.

La importancia de este trabajo radica en su propuesta de enfoques híbridos: integrar estas características manuales (ligeras e interpretables) en tuberías de deep learning para mejorar la precisión diagnóstica sin perder la capacidad de explicar por qué el modelo tomó una decisión. El marco propuesto es generalizable a otras modalidades de imagen médica (MRI, CT, etc.) más allá de la oftalmología.