基於拓撲感知排序的 Graph Mamba 存活分析框架

研究論文提出一個新穎的 Graph Mamba 存活分析框架，名為 TopoMamSurv，旨在解決計算病理學中全切片影像存活分析的技術挑戰。論文探討指出，雖然 Transformer 模型能捕捉長程依賴，但其 O(N²) 時間複雜度在大規模圖結構中造成計算瓶頸。Mamba 模型以線性複雜度突破此瓶頸，但對輸入數據順序高度敏感，傳統節點排序方法無法充分考慮圖數據的拓撲連通性。為此，論文提出基於拓撲感知排序的策略，並設計雙向 Mamba 模組整合圖卷積網路，實現「局部聚合到全局捕捉」的層次特徵學習架構。這個框架系統性地協調了長程依賴建模、計算效率與空間結構利用之間的矛盾。研究論文進一步在五個 TCGA 數據集上驗證了框架的綜合性能優勢，為計算病理學的存活分析提供了新的解決方案。