A Topological Data Analysis Framework for Quantifying Necrosis in Glioblastomas

要約

この論文では、「内部関数」と呼ばれる形状記述子を紹介します。
これは、画像分析のために以前の記述子を改良するトポロジーデータ分析（TDA）ベースの記述子です。
この概念を使用して、コングロマリットなどの腫瘍の壊死の幾何学的特性を定量化する新しいインデックスであるサブコンプレックスラクナリティを定義します。
このフレームワークに基づいて、壊死の形態を分析し、腫瘍の壊死領域の明確な構造的および幾何学的特性をキャプチャする図を作成するための一連の指標を提案します。
膠芽腫（GB）のMRIの研究でこのフレームワークの応用を提示します。
クラスター分析を使用して、壊死領域の幾何学的特性を反映する膠芽腫の4つの異なるサブタイプを特定します。

要約(オリジナル)

In this paper, we introduce a shape descriptor that we call ‘interior function’. This is a Topological Data Analysis (TDA) based descriptor that refines previous descriptors for image analysis. Using this concept, we define subcomplex lacunarity, a new index that quantifies geometric characteristics of necrosis in tumors such as conglomeration. Building on this framework, we propose a set of indices to analyze necrotic morphology and construct a diagram that captures the distinct structural and geometric properties of necrotic regions in tumors. We present an application of this framework in the study of MRIs of Glioblastomas (GB). Using cluster analysis, we identify four distinct subtypes of Glioblastomas that reflect geometric properties of necrotic regions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google