Análisis topológico de datos de imágenes médicas
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
El presente Trabajo de Fin de Grado explora el Análisis Topológico de Datos (TDA) como una metodología matemática avanzada para el procesamiento y clasificación de imágenes médicas, con aplicación específica en la detección de la patología de Infiltración en radiografías de tórax. Frente a enfoques de clasificación que operan como «cajas negras», la propuesta topológica se fundamenta en la extracción de características estructurales interpretables —como componentes conexas y ciclos— que definen la geometría o «forma» de la enfermedad. Para el estudio experimental se utilizó la base de datos pública NIH Chest X-ray Dataset. Dadas las exigencias computacionales del cálculo de homología y el desequilibrio original de los datos, se construyó un subconjunto de trabajo equilibrado de 1.000 imágenes (500 sanas y 500 con infiltración pura). Se aplicó una partición rigurosa basada en la identificación del paciente para evitar sesgos y asegurar que la evaluación refleje la capacidad de generalización ante anatomías inéditas. La metodología implementada sigue un flujo de trabajo secuencial robusto. Comienza con un preprocesamiento mediante la librería OpenCV, que incluye conversión a escala de grises, reducción de dimensionalidad a 128 × 128 píxeles y filtrado Gaussiano (3 × 3) para suavizar la señal y mitigar el ruido de alta frecuencia. Posteriormente, se instancian complejos cúbicos sobre las imágenes y se calcula la homología persistente con la librería GUDHI, extrayendo generadores topológicos en dimensión 0 (componentes conexas) y dimensión 1 (ciclos/agujeros) a través de filtraciones de conjuntos de subnivel. Para la etapa de clasificación, los diagramas de persistencia generados se transforman en representaciones vectoriales estables conocidas como Imágenes de Persistencia (PI). Estas matrices sintetizan la densidad y vida útil de las características topológicas. Los vectores resultantes de ambas dimensiones se concatenan para entrenar un modelo de clasificación supervisada basado en Máquinas de Vectores de Soporte (SVM). El análisis de resultados se llevó a cabo en tres fases. Tras descartar configuraciones de alta resolución que resultaron en una pérdida de sensibilidad por exceso de dimensionalidad, se optimizó el modelo utilizando una resolución de 50 × 50, reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA) al 99% de varianza y ponderación de clases. El sistema final alcanzó un Área Bajo la Curva (AUC) de 0.63, con una sensibilidad del 54.46% y especificidad del 63.27%. Estos hallazgos validan que la infiltración pulmonar posee una firma topológica distintiva, caracterizada por un incremento de ciclos de vida corta en rangos de intensidad media, demostrando que el TDAes una herramienta analítica viable y transparente para complementar el diagnóstico radiológico. ABSTRACT This Bachelor’s Thesis explores Topological Data Analysis (TDA) as an advanced mathematical methodology for medical image processing and classification, specifically applied to the detection of Infiltration pathology in chest X-rays. Unlike classification approaches that operate as "black boxes," the proposed topological framework is based on extracting interpretable structural features—such as connected components and cycles—that define the geometry or "shape" of the disease. The public NIH Chest X-ray Dataset was used for the experimental study. Due to the computational demands of homology calculation and the original data imbalance, a balanced working subset of 1,000 images (500 healthy and 500 with pure infiltration) was constructed. A rigorous patient-based partition was applied to prevent bias and ensure that the evaluation reflects the model’s generalization capability across unseen anatomies. The implemented methodology follows a robust sequential workflow. It begins with preprocessing using the OpenCV library, including grayscale conversion, dimensionality reduction to 128×128 pixels, and Gaussian filtering (3×3) to smooth the signal and mitigate high-frequency noise. Subsequently, cubical complexes are instantiated on the images, and persistent homology is calculated using the GUDHI library, extracting topological generators in dimension 0 (connected components) and dimension 1 (cycles/holes) through sublevel set filtrations. For the classification stage, the generated persistence diagrams are transformed into stable vector representations known as Persistence Images (PI). These matrices synthesize the density and lifespan of topological features. The resulting vectors from both dimensions are concatenated to train a supervised classification model based on Support Vector Machines (SVM). The results analysis was conducted in three phases. After discarding high-resolution configurations that resulted in sensitivity loss due to excessive dimensionality, the model was optimized using a 50 × 50 resolution, dimensionality reduction via Principal Component Analysis (PCA) retaining 99% variance, and class weighting. The final system achieved an Area Under the Curve (AUC) of 0.63, with a sensitivity of 54.46% and specificity of 63.27%. These findings validate that pulmonary infiltration possesses a distinctive topological signature, characterized by an increase in short-lived cycles within medium intensity ranges, demonstrating that TDA is a viable and transparent analytical tool to complement radiological diagnosis.
Fields of Study & Subjects
Topological and Geometric Data Analysis
Radiomics and Machine Learning in Medical Imaging
COVID-19 diagnosis using AI
Publication details
- Journal / source
- UPM Digital Archive (Technical University of Madrid)
- Publication date
- 1 January 2026
- Language
- ES
- Document type
- Thesis