LGPS: A Lightweight GAN-Based Approach for Polyp Segmentation in Colonoscopy Images

Resumen Técnico: LGPS – Un enfoque ligero basado en GAN para la segmentación de pólipos

Planteamiento del problema
El cáncer colorrectal (CCR) sigue siendo una de las principales causas de mortalidad relacionada con el cáncer a nivel mundial, lo que hace que la detección y extirpación temprana de pólipos durante la colonoscopia sea crítica para la prevención. Si bien los métodos de segmentación basados en aprendizaje profundo han avanzado significativamente, enfrentan tres limitaciones persistentes que dificultan su adopción clínica: (1) altos costos computacionales que impiden la aplicación en tiempo real; (2) dificultad para segmentar con precisión pólipos pequeños o aquellos con bajo contraste y bordes difusos; y (3) una generalización deficiente en diversos conjuntos de datos debido a las variaciones en las condiciones de imagen. Los modelos actuales de vanguardia (SOTA), como las variantes de U-Net, los Transformers y las redes basadas en atención, a menudo requieren recursos computacionales sustancialos y luchan contra estos desafíos específicos.

Metodología
Los autores proponen LGPS (un enfoque ligero basado en GAN para la segmentación de pólipos), un marco diseñado para equilibrar una alta precisión de segmentación con la eficiencia computacional. La arquitectura se construye sobre una estructura de Redes Generativas Antagónicas (GAN) que comprende un generador y un discriminador, mejorada con módulos específicos para el análisis de imágenes médicas:

1. Arquitectura del Generador:

   • Backbone (Columna vertebral): El generador utiliza un MobileNetV2 modificado para asegurar un diseño ligero. Las modificaciones incluyen la reducción del número de filtros por un factor de dos, la eliminación de la capa de clasificación final y de capas intermedias redundantes, y el empleo de convoluciones separables en profundidad con factores de expansión reducidos. Esto resulta en un modelo con solo 1.07 millones de parámetros.
   • Bloques ReSE: La red incorpora bloques de Residuos de Squeeze-and-Excitation (ReSE) modificados. Estos combinan conexiones residuales tradicionales con mecanismos SE para recalibrar dinámicamente los mapas de características, enfatizando las regiones diagnósticamente relevantes mientras se suprimen los ruidos.
   • Decodificador: El decodificador emplea una estructura de codificador-decodificador con conexiones de salto (skip connections) y sobremuestreo progresivo (interpolación bilinear) para recuperar detalles espaciales, lo cual es crucial para preservar los bordes finos de los pólipos.

2. Arquitectura del Discriminador:

   • El discriminador utiliza un marco adversarial basado en parches para evaluar la calidad de las máscaras generadas.
   • Refinamiento ConvCRF: Una innovación clave es la integración de capas de Campos Aleatorios Condicionales Convolucionales (ConvCRF) dentro del discriminador. Estas capas aplican convoluciones aprendibles de $3 \times 3$ seguidas de una activación sigmoide para imponer coherencia espacial y suavidad en las máscaras predichas, preservando al mismo tiempo los detalles de los bordes.

3. Función de Pérdida Híbrida:

   • Para abordar el desequilibrio de clases (donde los píxeles del pólipo son escasos en comparación con el fondo) y asegurar una definición precisa de los bordes, el generador se entrena utilizando una combinación ponderada de tres funciones de pérdida:
     • Entropía Cruzada Binaria (BCE): Para la precisión de la clasificación píxel a píxel.
     • Intersección sobre Unión Ponderada (WIoU): Para equilibrar la contribución de las regiones de primer plano (pólipo) y de fondo.
     • Pérdida de Dice (Dice Loss): Para optimizar el solapamiento entre las máscaras predichas y las de referencia (ground truth), siendo particularmente efectiva para clases desequilibradas.
   • La pérdida total se define como $L_{total} = \lambda_1 L_{BCE} + \lambda_2 L_{IoU} + \lambda_3 L_{Dice}$, con pesos establecidos en 0.4, 0.3 y 0.3 respectivamente en los experimentos.

Contribuciones Clave

• Diseño Ligero: LGPS logra un rendimiento de vanguardia con solo 1.07 millones de parámetros, lo que lo hace aproximadamente 17 veces más pequeño que el modelo SOTA más pequeño existente, facilitando su despliegue en dispositivos con recursos limitados.
• Innovaciones Arquitectónicas: La introducción de bloques ReSE para una extracción de características eficiente y capas ConvCRF para el refinamiento de bordes dentro de un marco GAN específicamente diseñado para la segmentación de pólipos.
• Generalización Robusta: El marco demuestra un fuerte desempeño en conjuntos de datos no vistos y desafiantes, abordando el problema común de la baja generalización en los métodos existentes.

Resultados Experimentales
El modelo fue validado en cinco conjuntos de datos de referencia públicos: Kvasir-SEG, CVC-ClinicDB, ETIS, CVC-300 y PolypGen.

• Desempeño en PolypGen: En el conjunto de prueba más grande y desafiante (PolypGen), LGPS logró un coeficiente Dice de 0.7299 y un IoU de 0.7867, superando a todos los métodos SOTA comparados (incluyendo U-Net++, ResU-Net++ y WDFF-Net).
• Desempeño en otros conjuntos de datos: En el conjunto de datos CVC-ClinicDB, el modelo alcanzó un Dice de 0.9261 y un IoU de 0.9238, superando a varios modelos de gran peso. También mostró resultados competitivos en ETIS y CVC-300.
• Estudios de Ablación: Los experimentos confirmaron que la combinación de la pérdida BCE y Dice (BDice) fue altamente efectiva, aunque la pérdida híbrida completa (3Loss) proporcionó una generalización más robusta. La eliminación de los módulos ReSE o ConvCRF resultó en caídas de rendimiento medibles, validando su necesidad para la extracción de características y la preservación de bordes.
• Análisis Cualitativo: Las comparaciones visuales indicaron que LGPS maneja mejor los bordes difusos, el bajo contraste y las variaciones significativas de tamaño (incluyendo pólipos pequeños) en comparación con los métodos existentes, que a menudo sufren de sobre-segmentación o detecciones omitidas en estos escenarios.

Significancia y Reivindicaciones
El artículo afirma que LGPS representa un paso significativo para hacer que la segmentación automatizada de pólipos sea viable para aplicaciones clínicas en tiempo real. Al reducir drásticamente el tamaño del modelo sin sacrificar la precisión, LGPS aborda las barreras computacionales que han limitado el despliegue de modelos de aprendizaje profundo en las salas de endoscopia. Los autores enfatizan que la capacidad del modelo para generalizar bien a través de diversos conjuntos de datos no vistos (particularmente PolypGen) subraya su potencial fiabilidad en entornos clínicos del mundo real donde las condiciones de imagen varían. Este trabajo posiciona a LGPS como un nuevo referente para el análisis de imágenes médicas eficiente y preciso, ofreciendo una solución práctica para mejorar el diagnóstico temprano del CCR.