分形叉积新突破：医学图像AUC最高提升0.09！
Fractal Cross Product: Theory, Differentiable Implementation and Application to Medical Image Analysis
📖 AI 总结
本文提出一种广义分形叉积（FCP）理论，将经典广义叉积推广为具有任意正次数D（可为非整数）的非线性径向变形。该构造适用于任意环境维度，在D等于子空间维数时精确还原经典叉积，并保留正交性、交错性、旋转等变性和D次齐次性，但一般不再满足多线性。对于自相似框架系统，该构造还满足相似维数下的尺度平衡律。作者推导了可微、无量纲的图像响应，并通过回归原始角度Gram响应得到非循环的经验累积指数。数值实验表明，Binary64计算可将有限框架恒等式恢复至舍入误差，栅格实验在三种分辨率下均恢复出谢尔宾斯基三角形维数1.5849625。在五种子医学影像对比中，以FCP为中心的融合将随机划分和医院分离划分的视网膜图像数据库上视神经评估的平均AUC分别从0.7264提升至0.8135、从0.5843提升至0.6765，在FracAtlas上从0.7403提升至0.7475，平衡准确率从0.6186提升至0.6721，精确率与灵敏度的调和平均从0.3669提升至0.4457。结果支持完整融合框架的有效性，但未能将FCP本身的贡献与互补描述子和融合头的贡献相分离。
🔑 关键词速览
| Fractal Cross Product (FCP) | 一种广义叉积，通过非线性径向变形引入非整数次数D，在D=k时退化为经典叉积。 |
| Gram volume | 由向量组构成的Gram矩阵的行列式平方根，表示这些向量张成的平行多面体的体积。 |
| D-homogeneity | 函数或算子的齐次性质，即缩放输入时输出按缩放因子的D次幂缩放。 |
| Sierpiński triangle | 一种经典的分形图形，其相似维数为log(3)/log(2)≈1.5849625。 |
| AUC (Area Under the ROC Curve) | 受试者工作特征曲线下面积，用于评估二分类模型的性能，值越大表示性能越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅