💻 computer science

TopoNet: A Topology-Guided Dual-Branch Framework for Medical Image Classification

TopoNet 是一个拓扑引导的双分支框架，通过将源自持续同调的空间注册拓扑特征与基于外观的线索通过跨分支注意力机制进行整合，从而增强体积医学图像分类，进而提高准确性、鲁棒性和可解释性。

原作者： Jin Sun, Nan Gao, Wenqi Tao, Zaifang Zhang, Chenghao Shao

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Jin Sun, Nan Gao, Wenqi Tao, Zaifang Zhang, Chenghao Shao

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图识别天空中的一种特定类型的云。如今大多数计算机程序就像一位只观察云朵颜色和纹理的画家。它们会说：“这朵云看起来白白胖胖、毛茸茸的，所以它一定是积云。”但如果云的形状实际上是一个完美的甜甜圈，或者一个扭曲的环呢？画家可能会忽略这一点，但一位研究拓扑学（研究形状与连接的科学）的数学家会立刻发现中间那个洞。

这正是医生在面对3D医学影像时所面临的问题。目前的AI模型擅长捕捉“毛茸茸”的纹理，但它们往往会忽略大局：即器官内部那些预示疾病的环、隧道和空腔。例如，一个健康的胰腺导管就像一根光滑、连续的管子。而病变的导管可能会断裂、破碎，或扭曲成奇怪的环状。标准的AI可能会被噪声干扰而产生困惑，但它需要看到断裂处的“形状”才能做出判断。

于是，诞生了 TopoNet——一个由上海大学及其附属医院研究人员开发的全新框架。你可以将 TopoNet 不仅仅视为一名画家，而是一位拥有两双眼睛的侦探。

双分支侦探

TopoNet 的工作原理就像一个双脑系统：

“纹理”之眼： 这个分支像普通的 AI 一样观察医学图像，研究颜色、阴影和像素细节。
“形状”之眼： 这是神奇之处。它使用一种被称为**持续同调（persistent homology）**的数学工具来扫描图像中的隐形形状——比如相连的团块、环和空腔。

但这里有一个该论文解决的关键难点：通常，当数学家发现这些形状时，他们会将它们转化为一份枯燥的数字列表（就像电子表格一样）。这就像是将一张城市地图变成了一份街道名称清单；你会失去对街道实际位置的感知。论文指出，这种“空间脱节”是一个重大缺陷。TopoNet 通过将这些抽象形状直接映射回3D图像中，实现了像素级的还原。现在，AI 不仅知道环或洞的存在，还确切地知道它们位于何处。

过滤噪声

医学影像通常很杂乱，充满了看起来像是微小、虚假环或洞的“静电噪声”。如果你抓取看到的每一个形状，就会陷入混乱。TopoNet 使用了一个巧妙的技巧，叫做置信带（confidence bands）。想象一下，你正试图在嘈isy的房间里听朋友说话。你并没有对着所有人大喊大叫，而是使用了一个特殊的过滤器，只让那些足够响亮、清晰且真实的声波通过。TopoNet 在数学上也做了同样的事情：它将“真实的”疾病形状从“虚假的”噪声中分离出来，而无需人类去预设截断点。

团队协作

一旦 TopoNet 拥有了“纹理”视图和“形状”视图，它并不会简单地将两者叠加。它使用了一种交叉注意力机制（cross-attention mechanism）。你可以将其想象为两双眼睛之间的对话。“形状”之眼会对“纹理”之眼耳语道：“嘿，看这里！你漏掉了一个导管里的环！”这有助于 AI 专注于最重要的结构线索，使其不易被复杂的纹理所迷惑。

效果如何？

研究人员在两个真实的数据库上进行了测试，以观察它区分健康器官与病变器官的能力。

胰腺测试： 他们观察了胰腺肿瘤的 CT 扫描图像。TopoNet 实现了 0.8197 ± 0.0587 的准确率（Accuracy） 以及 0.8123 ± 0.1127 的 AUC 值。这优于许多仅关注纹理的强力 AI 模型（如 ResNet50 或 ViT）。
脑肿瘤测试： 他们还在脑部 MRI 扫描上进行了测试，以区分高级别和低级别胶质瘤。在这里，TopoNet 取得了 0.9333 ± 0.0079 的准确率 和 0.9267 ± 0.0437 的 AUC 值。

论文明确排除了“仅仅增加数据量或使用更‘大’的标准 AI 就能解决问题”的观点。他们发现，仅依赖纹理的模型在疾病改变器官结构而非颜色的情况下往往会失效。他们还表明，仅仅列出形状（而不将其映射回图像）的效果并不如他们的双分支方法。

结论

作者认为，通过赋予 AI 在 3D 空间中“看见”环和洞的能力，我们可以使医学诊断更加可靠且易于理解。结果表明，这种“拓扑引导”的方法是帮助计算机理解人体复杂架构（而非仅仅是表面外观）的一种极具前景的新途径。虽然论文指出，为了绝对确定，仍需在更大规模的患者群体中进行更多测试，但目前的实验表明，观察疾病的“形状”是一个强大的新工具，可以辅助医生进行诊断。

技术摘要：TopoNet：一种用于医学图像分类的拓扑引导双分支框架

问题陈述

体积医学图像分类在鲁棒性和可解释性方面面临重大挑战。目前最先进的模型主要基于卷积神经网络（CNN）和视觉 Transformer（ViT），过度依赖于外观驱动的线索（纹理和局部强度）。这些模型往往难以显式捕捉全局解剖拓扑结构，例如连通性、环路和空腔，而这些结构对于临床诊断至关重要。例如，在胰腺导管腺癌（PDAC）中，区分健康组织与病变组织往往依赖于拓扑变化，如导管碎裂或异常扩张，而局部像素级架构无法保证捕捉到这些变化。

此外，现有的将拓扑数据分析（TDA）集成到深度学习中的尝试存在两个主要局限性：

对噪声敏感： 传统方法通常使用僵化的、人工调优的阈值来过滤拓扑特征，这可能会丢弃细微但具有临床相关性的信号，或者由于病例间的差异而保留噪声。
“空间脱节”问题： 大多数方法将拓扑特征向量化（例如，转化为持久性图像或 Betti 曲线）并将其与神经特征拼接。这一过程丢弃了特征的空间坐标，导致网络无法定位特定拓扑异常发生的“位置”，从而在具有空间感知能力的图像特征与空间不可知的拓扑向量之间造成了表示不匹配。

方法论：TopoNet

为了解决这些局限性，作者提出了 TopoNet，一个拓扑引导的双分支框架，旨在将多尺度拓扑结构直接集成到体积表示学习中，同时保留空间上下文。

1. 通过置信带进行统计拓扑提取

为了区别显著的拓扑信号与噪声，TopoNet 没有使用固定阈值，而是采用了基于统计的方法：

立方持久同调（Cubical Persistent Homology）： 该方法在从体素网格导出的立方复形上计算持久同调，追踪 $H_0$ （连通分量）、 $H_1$ （环路）和 $H_2$ （空腔）在次级集过滤下的演化。
置信带过滤： 为了处理拓扑噪声，该框架使用基于子采样的策略来构建持久图的 $(1-\alpha)$ 置信带。若持久度值（ $d-b$ ）落在置信带内（由瓶颈距离 $\epsilon_\alpha$ 定义），则视为噪声。只有满足 $d-b > 2\epsilon_\alpha$ 的特征才会被保留。这消除了对僵化、人工阈值调优的需求。

2. 维度感知的“拓扑到体素”映射

TopoNet 的核心创新在于恢复了拓扑特征的空间上下文，解决了“空间脱节”问题：

定位： 被选中的持久对被映射回体素域。
- $H_0$ ： 通过识别种子体素并在特定的预合并阈值下提取分量来生成连通分量掩码。
- $H_1$ ： 通过矩阵约简重建代表性 1-循环（loops），并将其光栅化为二进制环路掩码，可选地进行膨胀以形成管状邻域。
- $H_2$ ： 使用“破坏者（destroyer）”种子识别空腔壳，并通过测地线区域生长和形态学算子进行构建。
结果： 这一过程生成了与输入图像体积（ $I$ ）严格对齐的显式、空间注册的二进制拓扑掩码（ $T$ ），从而创建了一个互补的“拓扑模态”。

3. 带有跨模态融合的双分支架构

TopoNet 利用双分支 3D 架构（基于 DenseNet121）并行处理图像和拓扑模态：

单模态特征提取： 两个独立的支路提取多尺度特征。拓扑分支使用**组归一化（Group Normalization, GN）**而非批归一化（Batch Normalization），以处理拓扑衍生掩码的高稀疏性。
跨分支交互模块（CBIM）： 在中间阶段（第 3 和第 4 阶段），两个分支通过专门的融合机制进行交互：
- 纹理增强模块： 一个轻量级的深度卷积模块用于增强图像分支中的局部纹理特征。
- 拓扑增强模块： 一个感知稀疏性的模块用于精炼拓扑特征，通过有效体素计数进行归一化，以防止背景零值污染表示。
- 交叉注意力（Cross-Attention）： 图像特征作为查询（Query），而拓扑特征提供键（Key）和值（Value）。这使得网络能够根据拓扑引导来约束图像表示。
- 门控残差融合： 拓扑引导的特征通过可学习的门控机制注入图像分支，使模型能够自适应地控制拓扑先验的强度。
分类头： 最终融合的特征经过注意力池化（Attention Pooling），根据学习到的注意力权重自适应地聚合体素级特征，在分类前抑制背景噪声。

核心贡献

论文概述了四个主要贡献：

基于统计的提取： 一个利用置信带在立方复形上识别显著持久同调特征的框架，无需僵化阈值即可分离稳健的临床信号与噪声。
空间恢复： 一种维度感知的“拓扑到体素”映射流水线，将抽象的拓扑摘要（ $H_0/H_1/H_2$ ）转换为空间对齐的体素级二进制掩码，弥合了 TDA 与基于网格的深度学习之间的鸿隙。
TopoNet 架构： 一个双分支网络，并行编码图像和拓扑模态，利用跨分支注意力引导网络关注具有结构意义的区域。
实证验证： 通过在两个不同数据集上的广泛实验，证明了其相对于强基准模型的持续改进。

实验结果

作者通过 5 折交叉验证在两个数据集上评估了 TopoNet：

MSD Task07 胰腺数据集（PDAC vs. Non-PDAC）：
- TopoNet 实现了 准确率 0.8197 ± 0.0587 和 AUC 0.8123 ± 0.1127。
- 它超越了强大的 CNN（ResNet50, DenseNet121, EfficientNet）和 Transformer（ViT, Swin）基准模型。
- 值得注意的是，与基准模型相比，TopoNet 的准确率和 F1 分数方差显著降低，表明其具有更高的稳定性。
BraTS 2018 数据集（胶质瘤分级：HGG vs. LGG）：
- TopoNet 实现了 准确率 0.9333 ± 0.0079 和 AUC 0.9267 ± 0.0437。
- 与基准模型相比，它对 MRI 模态表现出更优越的泛化能力，且在各折（folds）中预测非常稳定。

消融实验证实了：

置信带选择优于固定阈值策略。
结合所有同调维度（ $H_0 + H_1 + H_2$ ）效果最佳。
对于胰腺 CT，“无反转（No Inversion）”过滤策略（在原始强度上进行次级集过滤）是最优的，突显了任务特定过滤语义的重要性。
特定的跨模态交互方向（拓扑引导图像增强， $T \to I$ ）比双向或顺序替代方案更有效。
移除任何组件（纹理增强、拓扑增强、交叉注意力或注意力池化）都会导致性能下降，验证了完整架构的必要性。

可视化： Grad-CAM 可视化显示，TopoNet 专注于与拓扑特征一致的疾病相关结构模式（如导管轨迹），而基准模型往往产生弥散的、由纹理驱动的激活。

重要性与主张

论文声称 TopoNet 为提高体积医学图像分类的性能、鲁棒性和临床可解释性提供了一条极具前景的途径。通过将显式的结构线索集成到深度学习流水线中，而非仅将其视为全局统计量，该框架解决了以往 TDA 方法中存在的“空间脱节”问题。

作者强调，其方法：

增强了可解释性： 通过将拓扑特征映射回体速域，模型提供了与临床推理（如导管连通性）相一致的空间定位结构线索。
提高了鲁棒性： 置信带过滤和门控融合机制使模型能够适应噪声和解剖变异，减少了对偶然纹理的依赖。
提供了即插即用的范式： 拓扑引导学习框架被证明在各种骨干架构（CNN 和 Transformer）上都是有效的，表明其具有广泛的适用性。

作者总结道，尽管该方法展现出良好的前景，但未来的工作仍需研究同调维度之间的协同相互作用（例如使用图神经网络），并在更大规模的多中心队列上验证该方法，以评估其在不同扫描协议下的泛化能力。