说明：GT.png是Ground truth的可视化 Pred.png是预测出来的图片 可在预测的图片中看到（深蓝色区域有红色的点点）某一个脑区存在孔洞的情况 目的：使用PH来对预测的图片进行后处理，去除孔洞的影响 大脑有10242个节点,对其进行硬分割，每个节点有确切的脑区索引 目前有两中方法： [知乎：您提出的] （1）提取属于特定脑区的节点索引 Vertex （2）找到组成特定脑区里面每条边的节点索引,也就是lhedges.txt每一行的值，这些节点索引vertex必须属于上面节点索引Vertex （3）找到组成特定脑区里面triangle的节点索引,也就是lhtriangles.txt每一行的值，这些节点索引vertex必须属于上面节点索引Vertex 得到例如S=[{1},{2},{3},{1,2},{1,3},{2,3},{1,2,3}] （4）计算alpha0,alpha1,alpha2的边界矩阵boundary matrix （5）进行矩阵化简，相当于线性代数里面的特征向量线性无关，得到reduce matrix （6）在计算betti0 betti1即可 但是结果很奇怪,betti1=1000+,所以您知道是哪里出了问题吗？ [代码参考：compute_betti_ZH1.py]

[使用gudhi库] （1）直接提取pred-ts中特定脑区的的节点索引 （2）再根据节点索引，找到每个节点的三维坐标点 （3）在初始的从lh.white提取其triangle，只要每个triangle中每一行的节点索引都在我们所提取出的特定区域的节点索引里面，则将其进行输出，得到特定区域的三角面片 （4）存在一个问题：针对特定脑区，节点索引是根据1,2,3,4再进行重新排序，但是其triangle是最开始的节点索引进行排序，因此，若是直接绘制trisurf就会导致超出范围 解决办法：改变triangle里面的节点索引更加有效 （5）怎么根据3D tri_surf求出betti数呢？并且应该是需要进行过滤，那过滤值应该选择什么呢？有人说使用脑沟深度sulc、曲率curv或者皮层厚度thickness 求出持续条形码以及betti数？ [代码参考compute_betti_gudhi1.py]

那既然要做后处理，是否需要GT的信息呢？是像大多数论文说的一样使用topoloss吗?