文献速递胸部腹部心血管CTMRUS

拓扑数据分析在医学影像中的研究现状

Topological data analysis in medical imaging: current state of the art.
PubMed 文献 · Insights Imaging · 2023-04-01

本文综述了拓扑数据分析(TDA)尤其是持续同调(PH)在医学影像分析中的应用。TDA通过提取图像纹理的拓扑形状特征,可解决高维度和度量不匹配问题,并能与机器学习模型结合提供可解释输出。文中汇总了TDA在CT、MRI和超声中的成功案例,包括肺结节纹理分析、肺癌组织学预测、肝病分类和主动脉瓣狭窄表型识别等。

要点

  • TDA可提取不依赖具体度量单位的拓扑特征,适合高维医学影像分析。
  • PH通过过滤构建单纯复形,用Betti数跟踪孔洞特征,生成持续图作为特征向量。
  • TDA在CT、MRI和超声中已有应用,可区分肿瘤组织学、预测肝病失代偿和识别主动脉瓣狭窄表型。

核心结论

  • TDA通过提取图像拓扑形状特征,提供可解释的机器学习输出,在医学影像分析中展现出潜力。
  • PH可自动构建图像纹理的拓扑过滤,其特征可输入机器学习模型并区分不同图像类别。

研究设计与样本

  • 本文为综述,介绍PH及其变体,并回顾TDA在医学影像研究中的近期成功应用。
  • 检索范围与纳入文献数量原文未报告。

关键影像表现/征象

  • 在肺腺癌CT中,凸出集的形状和连通性可用标量量化,Minkowski泛函分别对应体积、表面积、平均积分曲率和Euler-Poincaré数。
  • 在肺癌CT中,基于Hounsfield单位的立方过滤构建0维拓扑特征曲线,可用于评估患者生存率。
  • 在肺癌胸部X线影像中,拓扑特征对「良性 vs 恶性」和「腺癌 vs 鳞状细胞癌」预测补充信息较好,对「小细胞 vs 非小细胞」一致性较低。
  • 在MRI中,拓扑特征可预测基线MRI后1年内早期肝失代偿,独立验证队列AUC为0.84。
  • 在超声心动图中,TDA无监督机器学习可自动识别四组主要不良心脏事件(MACE)结局明显不同的患者亚组。

诊断标准与关键数值

  • Iqbal等用PH计算SARS-CoV-2 CT影像拓扑特征,在2481例CT扫描数据集上总体F1分数99.42%、准确率99.416%、精确率99.41%、召回率99.42%。
  • Singh等用拓扑特征预测早期肝失代偿,独立验证队列AUC为0.84。
  • Turner等开发SECT用于基于肿瘤形状预测胶质母细胞瘤无病生存,并与贝叶斯线性混合模型等统计模型结合。

临床应用与阅片要点

  • TDA特征可作为特征工程输入机器学习模型,类似体重身高组合为BMI或电子健康记录关键词标记。
  • 不同度量选择可提取不同拓扑特征,需根据具体项目和临床需求定义度量。
  • 持续图需转换为持续图像等结构以便与统计模型或机器学习算法整合。
  • TDA可处理小样本数据,在CNN数据不足时仍能发现有意义信息。
  • PH在医学图像上计算时间合理:基本笔记本电脑处理1幅fMRI约1–2分钟,20核分布式系统处理5000幅fMRI约250–500分钟(约4–8小时)。

局限性

  • TDA的使用应与其他数据建模方法比较,以评估其优越性或劣性。
  • 拓扑特征与影像组学特征各有优势:拓扑特征在预测肿瘤组织学方面似乎更优,而影像组学在预测专家视觉评估的恶性评分方面似乎更优。
全文中译7 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2023 Apr 1;14:58. doi: 10.1186/s13244-023-01413-w

背景

在过去几年中,人工智能尤其是深度学习的快速发展,导致医学图像分析领域的出版物激增。建立创新、有效的诊断支持工具可以改善疾病检测,使医生能够做出更准确的诊断决策,从而快速治疗患者[1, 2]。体格检查结果、实验室检测以及专家驱动的超声、计算机断层扫描(CT)和磁共振成像(MRI)解读在临床实践中用于检测多种疾病。医学影像数据集如今在生物医学行业中已十分普遍。然而,医疗影像数据收集(如CT或MRI数据集)可能涉及高维度(相对于患者样本而言预测变量众多)或由于设备校准差异导致的度量尺度不匹配,这两者都可能给深度学习和其他机器学习算法带来问题[3, 4]。

拓扑数据分析(TDA)是一种医学影像分析的新方法,它利用拓扑学的工具——拓扑学是数学的一个分支,可以审视数据中的全局结构,如环或孔洞,这些结构不依赖于特定测量单位,因此无论以厘米、英寸还是其他单位测量,特征都存在。TDA解决了维度问题(相对于收集数据的患者数量而言预测变量众多)和度量不匹配问题(如上述测量单位)。在无坐标方法中(不需要或不使用度量),这一数据科学分支将数据集结构定义为形状;这些形状通过连接数据中的点数据片段或环来创建,将数据描述为具有距离或相似性概念的点云[1–4]。因此,使用不同技术平台对同一生物系统收集的数据集可以直接进行比较。此外,TDA非常适合处理医学影像和生物分析中存在的高维度问题[5]。TDA已在多种医学领域得到研究,包括神经病学、心脏病学、肝病学、基因水平和单细胞转录组学、药物发现、进化和蛋白质结构分析[6]。TDA已成功应用于多种医学情境,例如识别哮喘的新病理表型、发现创伤性脑损伤中的表型-生物标志物关联[5]、识别肺栓塞的诊断因素[7],以及从视网膜影像中区分健康患者与糖尿病视网膜病变患者[8]。

拓扑数据分析(TDA)已与卷积神经网络(CNN)结合,以改进放射组学数据的分析。事实上,CNN本身即是一类基于拓扑的算法,其针对结局与输入数据优化拓扑空间之间的映射[9, 10]。然而,训练CNN仍需要大量影像数据样本,且每个感兴趣的结局组内需有足够图像,以使CNN能够发现区分各组的相关特征差异。TDA可在极小样本量下工作并发现有意义的信息,使其可用于CNN可能没有足够数据来创建准确模型的情形。事实上,CNN本身即是一类基于拓扑的算法,其针对结局与输入数据优化拓扑空间之间的映射。

鉴于下一代高通量测序的发展[11]、高维医学影像如能谱CT和MRI[12–14]的进步,以及对个性化医疗的日益重视[15, 16],数据采集持续扩展,有效的数据分析方法对于将这些数据转化为可用于临床诊断和治疗环境的信息至关重要。TDA的目标是通过关注数据的形状,在不同尺度上识别数据中的区域和全局结构,以解决数据维度以及数据采集方法和尺度差异的问题。

持续同调的简要概述

持续同调(PH)是TDA中常用的一种工具,依赖于两个概念:(1)使用距离度量的过滤(以便我们可以从初始对象创建一系列数据对象);(2)在该过滤过程中跟踪拓扑特征(以便我们可以检查过滤所创建的每个数据对象中存在的形状)。在提供该方法统计学基础的详细框架之后,我们提供一个实际示例以帮助说明PH的特性。

为了对由点云构建的数据点云或距离矩阵进行过滤,使用度量定义一系列阈值距离,使得每个阈值迭代地切割数据集并基于该定义的阈值距离构建拓扑对象。本质上,彼此距离在阈值内的点(在Vietoris–Rips复形中为成对地,或在Cech复形中为全部相互地)被连接成一个对象(称为单纯复形),其具有顶点和边以及边的高维类似物(如面)。图是单纯复形的一个简单示例,其中点之间具有相互的双向连接。然而,如果三个点彼此均在距离阈值内,则它们被连接成一个三角形。如果四个点彼此均在距离阈值内,则它们形成一个四面体。该模式适用于彼此在相互距离内的任意数量的点。由于该过程应用于每个阈值,因此创建了一系列具有层次结构的单纯复形。

例如,假设二维点云中有三个点,其中两个点之间的距离比它们各自到第三个点的距离都更近(图1)。在这个例子中,我们可以选取三名表现为恶性肿瘤的患者,每名患者在CT成像上具有不同的三维肿瘤体积。对于患者1和患者2,他们的体积相似,仅在较小的距离阈值下形成一个单纯复形。如果我们扩大距离阈值,现在就可以纳入其他差异越来越大的值,将全部三个点连接起来,形成一个三角形。在实践中,我们的点云中会有更多的点和维度,但这在基本层面上说明了过滤和单纯复形层次结构的原理。

一旦构建了一系列单纯复形,就可以分析它们的结构。同调是一种拓扑工具,用于计算一个空间中各维度存在的孔洞数量。在单纯复形中,这些是连通分量、环、空洞及更高维空洞。为了建立对此的直观理解,重要的是考虑单纯复形中由三个双向关系(图中的边)构成但缺乏相互的三向关系(以在彼此距离范围内的三个点之间形成三角形)的部分。这形成了一个环,即空间中具有潜在更高维相互作用的部分,该相互作用在单纯复形中不存在,但包含了较低维的相互作用。我们可以考虑不形成相互四向关系的相互三向关系,后者会形成一个空洞。贝蒂数追踪一个空间或单纯复形各维度存在的孔洞数量,是总结和量化这一信息的好方法。

在图2中,我们有三个相互存在的双向关系(可能是距离或我们据以过滤数据的某种其他度量);然而,三向关系的标准不存在,尽管所有三个双向关系都存在。在这个例子中,我们使用从CT成像识别的肿瘤形状特征,如伸长率和扁平度,来演示三个可以相互存在的双向关系的原理。虽然每一对都共享伸长率、扁平度或两者兼具的方面,但创建三向关系的标准未得到满足;这形成了一个环,其中三向关系目前不存在,但在数据科学家指定的不同条件下有可能存在。

由于我们从过滤中得到了一系列单纯复形,我们可以追踪过滤过程中每个维度孔洞的贝蒂数,以查看拓扑特征在数据集中出现和消失的位置。这为我们提供了关于哪些特征可能最重要(在过滤的大部分区域持续存在的特征)以及哪些可能只是数据集中的噪声(在过滤中持续时间不长的特征)的信息。这些特征及其在过滤中的生命周期可以通过持久性图进行可视化绘制。这允许识别医学图像中的特征,并可能在不同数据集之间比较特征。事实上,存在可以直接测量这种特征差异的距离度量;瓦瑟斯坦距离,也称为推土机距离,是应用最广泛的度量。图3是一个持久性图的简单示例,该图追踪第0、第1和第2同调群(连通分量、第0、第1和第2贝蒂数)中的特征。

持久同调的计算时间对于医学图像来说是合理的。在基本笔记本电脑上,使用TDApplied [17]处理一幅fMRI图像大约需要1–2分钟。使用20核的分布式计算系统,处理5000幅fMRI图像大约需要250–500分钟(约4–8小时)。在具有数百个核心的GPU系统上,有可能将这一估计扩展到大型医疗保健系统。

然而,影像数据特征通常需要与其他数据源整合,或需要在多变量模型中组合以进行进一步分析。为此,我们需要将持久性图转换为一种能与统计模型或机器学习算法良好整合的结构。持久性图像对持久性图中的点施加权重函数,然后在这些点上定义概率分布。这给出了图上的一个曲面,该曲面成为分析流程下游算法的特征向量。通过这种方式,从患者影像数据集的过滤中得出的持久同调特征成为机器学习算法中的特征,就像患者生物计量测量或人口学因素一样。因此,我们可以将PH和持久性图像视为一种特征工程,就像身高和体重等特征可以组合成体重指数的单一指标,或者指示特定状况或药物的关键词可以在电子健康记录(EHR)中被标记一样。图4说明了这种流程如何用于原始EHR数据。

图1 三名患者在二维点云中具有不同三维肿瘤体积的示例。患者1和患者2在三维肿瘤体积上的点接近,因此只需要较小的距离阈值即可创建单纯复形。随着距离阈值的扩大,单纯复形可以包含更多方差递增的点 查看原图 ↗
图2 三名患者在二维点云中具有不同三维肿瘤形状的示例。在检查伸长率和平坦度等特征时,这些点在距离或过滤特征内形成相互的双向关系,而没有三向关系。数据科学家可以改变这一点,因为增加距离阈值可以增加单纯复形中包含的点 查看原图 ↗
图3 追踪第0、1和第2同调群特征的持续性图。该持续性图显示第0、1和第2贝蒂数在数据过滤过程中出现(X轴)和消失(Y轴)的位置 查看原图 ↗
图4 将影像数据和原始电子健康记录(EHR)数据中的持续性同调(PH)整合到机器学习模型中的工作流程 查看原图 ↗

传统拓扑数据分析流程

假设输入由医学图像中有限的一组点(像素值)组成,这些点之间具有确定的距离——或相似性。该距离既可以是由成对距离矩阵确定的内在度量,也可以是由点云上的度量诱导的(例如,当数据嵌入Rd中时的欧几里得度量)。通常,度量的定义作为输入提供,或由应用决定。不同的度量可导致提取不同的特征,根据具体项目和临床需求来定义度量至关重要。

从数据中构建一个“连续”形状,以关注潜在的拓扑或几何结构。这通常是单纯复形或一族嵌套的单纯复形(称为过滤),它在多个尺度上描绘数据的结构。定义能够在实践中成功部署的结构是当前的挑战。Vietoris–Rips算法倾向于满足构建单纯复形层次结构的计算约束,同时保留大多数特征[18]。

从数据构建的结构用于提取拓扑或几何信息。这可能导致完全重建数据潜在的形状——通常是三角剖分——从中可以容易地提取拓扑或几何特征,或者可能导致粗略的汇总或近似,从中提取相关信息需要使用特定技术,如持续性同调(PH)或Mapper。此阶段的问题在于:(1) 证明所发现的拓扑/几何信息的相关性,(2) 包含呈现和解释,以及(3) 在输入数据的扰动或噪声存在时显示稳定性。理解推断特征的统计行为对于该目标也至关重要。

提取的拓扑和几何信息提供了新的特征族和数据描述符。它们可以与其他类型的数据配对进行更深入的分析,或者可以通过可视化来探索数据。例如,我们可以将功能性磁共振成像(fMRI)数据与临床病史记录、社会人口学数据和患者群体的生物特征数据相结合,以测试一种新的创伤性脑损伤药物的疗效。在此阶段,证明利用拓扑数据分析(TDA)技术所提供信息的附加价值和互补性(相对于其他方面)至关重要。

CT成像中的拓扑数据分析(TDA)

目前用于评估由局部强度变化产生的纹理模式的技术只能捕捉3D CT图像中纹理结构的空间排列。然而,拓扑数据分析(TDA)的主要优势在于为理解和分析3D图像纹理成分的空间构型提供了一种实用的表示工具。例如,在肺结节中,凸出 excursion 集的形状和连通性可以用标量来表达,从而极为详细地捕捉肺腺癌纹理的空间排列。完成这一任务所需的功能性总量等于 excursion 集的维数加一[19]。关于研究对象在三维中(图像中的体素集合)的 Minkowski 泛函(MF)的几何解释,第一个泛函对应其体积,第二个泛函对应其表面积,第三个泛函对应其平均积分曲率,第四个泛函对应 Euler–Poincaré 数,这是一个纯拓扑量[19];使用该方法可以极为详细地捕捉肺腺癌纹理的空间构型。Boehm 等人[20]提出了一种TDA方法来表达3D图像中纹理特征图的空间排列。该方法从拓扑学角度阐明了数据的几何方面(图5)[19]。

TDA应用于临床CT成像的另一个例子是评估肺癌患者的生存率,如 Somasundaram 等人[21]所示,他们使用了CT图像的持久同调 summary 特征。基于 Hounsfield 单位对每次扫描构建了立方滤流。将0维拓扑特征的数量对每个 Hounsfield 单位作图以构建特征曲线,并显示肺癌患者,其中0维拓扑特征曲线统计量指示预后。尽管有价值,但使用TDA应与其他数据建模方法进行比较,以评估该技术的优越性或劣势。

此外,Vandaele 等人[22]揭示了如何使用TDA从胸部放射摄影图像预测肺肿瘤的组织学,并强调了TDA在肺肿瘤CT图像上所有显著学习问题上相对于前沿定量成像技术的优势。在肺癌的胸部放射摄影图像上,本研究调查了PH优于最新基于放射组学的学习技术的基本学习问题。一个有趣的发现是,新的拓扑特征对于“良性 versus 恶性”和“腺癌 versus 鳞状细胞癌”的肿瘤预测能够很好地捕捉互补信息,但对于“小细胞 versus 非小细胞”则一致性较差。放射组学目前无法表征整体数据结構[22]。此外,尽管放射组学特征在预测由专家放射科医生基于视觉检查分配的恶性评分方面似乎更优越,但拓扑特征在预测由长期放射学审查、活检、手术切除、进展或反应确定的肿瘤组织学方面似乎优于放射组学特征[22]。

在其他研究中,Iqbal 等人 [23] 通过计算 CT 图像的拓扑特性来识别 SARS-CoV-2。为了计算 SARS-CoV-2 特征的拓扑特性,使用了 TDA 中的 PH 来计算这些拓扑特征。“SARS-CoV-2 CT 扫描数据集” [24] 是一个开源数据集,包含 2481 例健康个体和 COVID-19 患者的 CT 扫描,作为模型训练和测试的基础。该模型总体上达到了 99.42% 的基准 F1 分数,准确率为 99.416%,精确率为 99.41%,召回率为 99.42%。

图 5 从放射影像计算 PH 的多种方法。a 一幅 CT 扫描的 3D 切片示例,显示肺部肿瘤。红框显示肺部肿瘤。分割出的肿瘤像素以白色高亮显示,以便与其 CT 像素值区分,后者在接下来的两幅图像中可能更易观察。b 同一 CT 扫描图像切片,仅显示已分割的肿瘤像素。c 通过堆叠所有 2D CT 扫描切片的肿瘤轮廓,以点云形式展示肿瘤表面。d (i) 由 3D 肿瘤图像的下水平集过滤得到的持久性图;图像 b 显示一个 2D 切片。图中展示了三幅持久性图。所考虑的拓扑孔洞的三个维度各自具有一幅独特的图(H0/0 维:连通分量,H1/1 维:环,H2/2 维:空腔)。(ii) 持久性图,其中一幅 2D 切片显示于 b 中,是通过用相邻边界框像素对 3D 肿瘤图像进行下水平集过滤而生成的。(iii) 对 c 中代表肿瘤表面的点云进行 Vietoris–Rips 过滤所得的浅绘持久性图。e 这是从 PH 中提取的持久性条形码(H0/0 维:连通分量,H1/1 维:环) 查看原图 ↗

MRI 中的 TDA

可以从灰度 MRI 扫描中提取拓扑特性,方法是首先通过对每个像素值施加阈值将扫描转换为二值图像,然后应用 PH 或持久性图像。

Oyama等[9]研究了利用PH表征T1加权MRI对肝癌进行分类的准确性。Singh等[25]通过使用基于代数拓扑的机器学习,提取了预测肝功能失代偿发生的MRI特征(图6),并展示了Betti数的价值,其有助于肝病的分类[26]。拓扑特征被用作分类的输入,以预测在基线MRI后1年内发生早期肝功能失代偿的患者。当所开发的模型应用于独立验证队列时,其仍能预测早期肝功能失代偿(AUC 0.84)。在另一项研究中,Turner等[27]开发了平滑欧拉特征变换(SECT),这是持久同调变换(PHT)的一种变体,旨在克服与传统统计模型整合的挑战。SECT是一种新的统计量,能够将形状信息纳入传统统计模型,并基于增强后T1轴位MRI的肿瘤形状用于预测多形性胶质母细胞瘤(GBM)的无病生存期[28]。PHT的输出是一组持久性图,而SECT的输出是一组平滑向量[29]。两者都创建了潜在拓扑的复杂表示,使其难以与统计模型整合。包括贝叶斯线性混合模型(BLMM)在内的进一步统计模型已被用于GBM的识别[30–32];这些拓扑方法在应用于MRI中的GBM时,进行了基因表达、体积和形态学汇总以预测无病生存期。

图6 以MRI成像信号为输入的基于代数拓扑的机器学习工作流程 查看原图 ↗

超声成像中的TDA

数据在时间和空间上被归一化为一个n维点云,并在该点云上构建单纯复形,从中提取拓扑不变量。出生和死亡特征被转换为持久性图像以形成特征向量,特征被存储于可视化表示中,可直接由医生/科学家解读或作为机器学习的输入。使用机器学习进行特征选择和患者分类[33, 34]。TDA已被用于寻找新的分类方案,这些方案提供了关于疾病演变的更多信息。Casaclang-Verzosa等[35]在心血管研究中首次应用TDA,描述了主动脉瓣狭窄的自然病史,该病从轻度进展为重度狭窄的过程中具有两种独特的中度狭窄表型表现(即射血分数正常与降低的中度主动脉瓣狭窄)(图7)。同一研究组在一篇摘要中报告了TDA区分各种严重程度不同的心脏疾病的能力。基于包括左心室射血分数、质量等在内的常见心电图指标,使用TDA的无监督机器学习自动识别出四个主要不良心脏事件(MACE)结局明显不同的患者亚组。

图7 TDA网络上超声心动图特征的工作流程。a 数据集不同超声心动图参数的归一化双变量相关矩阵。b TDA利用持续图和条形码将压缩表示与表达性可视化和理解相结合 查看原图 ↗

TDA的未来应用

横断面成像在现代医学中的广泛使用凸显了需要先进的分析技术来增强疾病的检测和表型表征。随着新技术的出现,需要分析的数据量已显著扩大并变得更加复杂,推动研究人员开发改进当前数据管理方法的手段。通过使用TDA这一相对较新的分析技术,研究人员在多种疾病的理解(病理生理特征、病因学、预后)方面取得了重大进展,包括癌症、哮喘和慢性肺部疾病。TDA利用数据的“形状”来提取重要信息,并具有与其他技术(即PH)相结合的能力,将数据转化为视觉上有意义的表示,消除传统深度学习算法的“黑箱”性质。

TDA领域拥有的算法远不止PH和持续图像,将TDA工具整合到数据管道中的能力为未来方向提供了许多可能性。例如,将脑成像数据与电子健康记录文本笔记、遗传数据、治疗史、生物特征测量和社会人口学因素相结合,可以为神经或精神健康障碍的患者结局创建更丰富的模型,从而使患者能够以最佳方式匹配治疗[36]。通过持续图像,在疾病(如癌症)过程中收集的成像数据可以纳入纵向模型,如广义估计方程,以理解如胶质母细胞瘤等疾病的演变。

还存在许多其他TDA算法。Morse函数和Conley指数[37]等工具可用于按感兴趣的度量对数据进行聚类(Mapper算法的一部分)。层(Sheaves)可用于理解PET扫描中的葡萄糖流,以更好地理解与健康行为相关的行为决策[38]。Hodge理论的工具,如Hodge-Helmholtz分解,可用于理解生物系统(如大脑或肿瘤)内的流动类型(或用于理解患者通过医疗保健系统的流动)[39]。

单纯复形本身为进一步研究提供了另一条途径。许多网络科学工具(应用于图)可以扩展到高维单纯复形[40, 41]。几何工具如图拉普拉斯算子和Forman-Ricci曲率已存在于单纯复形中[42],但许多工具尚未被扩展。网络科学工具的扩展允许在同调特征之外提取和总结过滤过程中的其他特征[43],这一途径可能对图像分析富有成效,其中度或介数中心性等特征可能与潜在的疾病过程相关(如神经通路或肿瘤血管生成的分析)。随着这些工具的发展,它们将提供更丰富的特征集,与其他医疗保健数据整合以理解疾病病因并个性化治疗方案以优化患者护理。

引用

  1. Singh, Farrelly, Hathaway, et al. Topological data analysis in medical imaging: current state of the art. Insights Imaging. 2023. PMID: 37005938. doi:10.1186/s13244-023-01413-w
  2. 全文:PMC10067000(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10067000/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。