MozzaVID: Mozzarella Volumetric Image Dataset

1. El Problema

A pesar del crecimiento en el uso de imágenes volumétricas (3D) en campos como la medicina, la ciencia de materiales y la paleontología, existe una escasez crítica de conjuntos de datos estandarizados y de gran escala para el benchmarking (evaluación comparativa) de modelos de aprendizaje profundo volumétrico.

• Limitaciones actuales: Los conjuntos de datos volumétricos existentes suelen ser pequeños (entre 100 y 10,000 volúmenes), están muy especializados en problemas científicos complejos específicos (como la segmentación de tumores) y a menudo tienen restricciones de acceso o desequilibrio de clases.
• Consecuencia: Esto dificulta la comparación justa entre modelos y frena el desarrollo de arquitecturas optimizadas específicamente para datos 3D. La mayoría de las investigaciones se limitan a adaptar arquitecturas 2D (como ResNet o ViT) a datos 3D, sin explorar si existen métodos nativos 3D superiores.
• Brecha: Existe una desconexión entre los grandes conjuntos de datos 2D (como ImageNet, con millones de imágenes) y los pequeños conjuntos volumétricos, lo que impide un desarrollo robusto de algoritmos generales para datos 3D.

2. Metodología y Propuesta: MozzaVID

Los autores presentan MozzaVID, un nuevo conjunto de datos volumétrico diseñado para cerrar esta brecha.

• Fuente de Datos: El dataset consta de imágenes de tomografía computarizada (CT) de rayos X de sincrotrón de la microestructura de queso mozzarella.
  • Por qué Mozzarella: Su microestructura es anisotrópica y altamente desordenada (mezcla de proteínas y grasas), lo que permite dividir las escaneos originales en sub-volúmenes sin introducir sesgos significativos ni perder información estructural crítica. Además, actúa como un sistema modelo para alimentos basados en proteínas con regiones dispersas de grasa/agua (carnes, lácteos, análogos vegetales).
• Adquisición: Se utilizaron 25 tipos de queso mozzarella (con variaciones en temperatura de cocción, velocidad de amasado y aditivos). Se prepararon 150 muestras (6 por tipo de queso), de las cuales se descartaron 9 escaneos por artefactos, quedando 149 muestras válidas. Cada muestra se escaneó 4 veces en diferentes posiciones, generando un total de 591 escaneos brutos.
• Estrategia de Preparación de Datos: Para superar la limitación de tamaño típica de los datos volumétricos, los autores implementaron un pipeline de descenso de resolución y división (splitting):
  1. Instancia Pequeña (Small): 591 volúmenes (escala 8x). Representa el tamaño típico de los datasets volumétricos actuales.
  2. Instancia Base (Base): 4,728 volúmenes (escala 4x, divididos en 8 sub-volúmenes).
  3. Instancia Grande (Large): 37,824 volúmenes (escala 2x, divididos en 64 sub-volúmenes).
  • Todos los volúmenes finales tienen una resolución estandarizada de 192×192×192 voxels.
• Tareas de Clasificación:
  • Granularidad Gruesa (Coarse): Clasificación de los 25 tipos de queso (basado en la receta).
  • Granularidad Fina (Fine): Clasificación de los 149 muestras individuales (capturando variaciones sutiles dentro del mismo tipo de queso).

3. Contribuciones Clave

1. Lanzamiento de MozzaVID: Un dataset volumétrico grande, limpio y versátil que actúa como puente entre los benchmarks 2D masivos y los datasets volumétricos existentes.
2. Evaluación de Arquitecturas: Comparación exhaustiva de arquitecturas State-of-the-Art (SotA) tanto en 2D como en 3D, incluyendo CNNs (ResNet, MobileNet, ConvNeXt) y Transformadores (ViT, Swin).
3. Análisis de Estructura Alimentaria: Demostración de que la clasificación profunda puede utilizarse para cuantificar y entender la variabilidad estructural de los alimentos, revelando relaciones latentes entre parámetros de procesamiento y microestructura.

4. Resultados Experimentales

Los experimentos se realizaron sobre las diferentes configuraciones del dataset (Small, Base, Large) y granularidades.

• Rendimiento General:
  • Los modelos 3D superaron consistentemente a los modelos 2D, incluso cuando los modelos 3D se entrenaban con menos datos que los modelos 2D.
  • ResNet50 fue el modelo más consistente y alcanzó las mejores puntuaciones en casi todas las configuraciones 3D.
  • Los modelos basados en Transformadores (ViT, Swin) mostraron alta variabilidad; Swin funcionó sorprendentemente bien en datasets pequeños, pero ViT tuvo dificultades.
• Precisión:
  • En la instancia Large (37k muestras), se alcanzó una precisión cercana al 100% para la clasificación gruesa (0.973) y muy alta para la fina (0.935).
  • En la instancia Small (591 muestras), la precisión cayó significativamente (ej. 0.763 para gruesa), reflejando la dificultad de los datos volumétricos típicos y el riesgo de sobreajuste.
• Análisis de Representaciones (Embeddings):
  • Mediante técnicas de reducción de dimensionalidad (UMAP y PCA), se observó que los modelos aprendieron a agrupar los volúmenes según su similitud estructural.
  • Los clusters formados en el espacio latente coincidieron con los parámetros experimentales (temperatura, velocidad, aditivos), demostrando que el modelo capturó la física subyacente de la microestructura del queso, no solo patrones superficiales.
• Comparación 2D vs 3D: La representación 3D completa es crucial. Los modelos 2D (entrenados con rebanadas) tuvieron un rendimiento inferior, lo que subraya la importancia de la información volumétrica completa para este tipo de estructuras desordenadas.

5. Significado e Impacto

• Avance en Aprendizaje Profundo Volumétrico: MozzaVID proporciona un terreno de pruebas necesario para desarrollar y validar algoritmos nativos 3D, alejándose de la simple adaptación de modelos 2D.
• Ciencia de Alimentos: Ofrece una herramienta poderosa para la caracterización no destructiva de la microestructura de alimentos. La capacidad de correlacionar parámetros de procesamiento con la estructura 3D es vital para el diseño de alimentos sostenibles (como análogos de carne) y la optimización de procesos industriales.
• Generalización: Dado que la estructura de la mozzarella comparte similitudes visuales y conceptuales con otros tejidos biológicos y materiales orgánicos, los modelos entrenados en MozzaVID pueden servir como proxy para evaluar el rendimiento en otros dominios volumétricos (médicos, materiales).
• Accesibilidad: A diferencia de muchos datasets médicos que requieren permisos complejos, MozzaVID es de acceso público, fomentando la reproducibilidad y la colaboración en la comunidad.

En resumen, MozzaVID no es solo un dataset de queso, sino un marco metodológico para abordar la escasez de datos volumétricos de alta calidad, permitiendo un avance significativo en la comprensión de estructuras complejas y el desarrollo de IA tridimensional.