Label tree semantic losses for rich multi-class medical image segmentation

Resumen Técnico: Pérdidas Semánticas de Árbol de Etiquetas para Segmentación Rica de Imágenes Médicas Multiclase

Enunciado del Problema
La segmentación rica y precisa de imágenes médicas es crítica para la planificación preoperatoria, la navegación intraoperatoria y la evaluación postoperatoria. Sin embargo, los métodos de aprendizaje estándar para tareas de segmentación penalizan por igual todos los errores de clasificación, sin aprovechar las relaciones semánticas dentro del espacio de etiquetas. Esta limitación se vuelve cada vez más problemática a medida que la cardinalidad de las etiquetas crece para incluir clases sutilmente diferentes (por ejemplo, subregiones cerebrales específicas o tipos de tejido). Además, en la imagenología quirúrgica y los esfuerzos de anotación a gran escala, los datos suelen estar anotados de forma dispersa con etiquetas de "solo positivos", donde las regiones no etiquetadas no pueden asumirse como fondo. Los enfoques existentes a menudo carecen de mecanismos para aprovechar las jerarquías de etiquetas o manejar la ambigüedad de los píxeles no etiquetados de una manera semánticamente significativa.

Metodología
Los autores proponen un marco que incorpora una organización jerárquica de etiquetas (un árbol de etiquetas) en el proceso de entrenamiento mediante dos funciones de pérdida semántica complementarias. Estas pérdidas están diseñadas para funcionar tanto con supervisión densa (por ejemplo, parcelación de todo el cerebro) como con anotaciones dispersas y libres de fondo (por ejemplo, imagenología hiperespectral neuroquirúrgica).

1. Pérdida de Segmentación Basada en Distancia de Wasserstein ($\mathcal{L}_{wass+seg}$):
   Esta pérdida utiliza la distancia de Wasserstein (transporte óptimo) para medir el costo de transformar las distribuciones de probabilidad predichas en distribuciones de verdad fundamental. La matriz de "distancia fundamental" ($M$) se deriva del árbol de etiquetas, donde la distancia entre dos nodos hoja se define por la longitud del camino entre ellos en la jerarquía. Esta formulación penaliza los errores según la severidad semántica; clasificar erróneamente una clase como un hermano semánticamente distante incurre en una penalización mayor que clasificarla erróneamente como un pariente cercano. La pérdida final es un compuesto de la distancia de Wasserstein y una pérdida de segmentación genérica (por ejemplo, Dice o Entropía Cruzada).

2. Pérdida de Entropía Cruzada Semántica Ponderada por Árbol ($\mathcal{L}_{twce+seg}$):
   Este enfoque extiende la Entropía Cruzada (EC) estándar agregando probabilidades a través de todos los nodos en el árbol de etiquetas, no solo los nodos hoja. Utilizando una matriz de adyacencia para representar las relaciones padre-hijo, el modelo calcula probabilidades agregadas para los nodos internos. La pérdida se calcula luego como una suma ponderada de EC a través de todos los nodos, donde los pesos se asignan en función de la estructura de aristas. Esto permite que el modelo reciba señales de supervisión en múltiples niveles de abstracción (grueso y fino).

3. Integración con Aprendizaje de Solo Positivos Dispersos:
   Las pérdidas propuestas se integran en un marco para entrenar con anotaciones dispersas de solo positivos (basado en Wang et al., 2026). En este escenario, el modelo se entrena solo en clases positivas anotadas. Durante la inferencia, un mecanismo de detección de Fuera de Distribución (OOD) marca los píxeles con baja probabilidad predicha máxima como fondo. Los autores extienden esto agregando probabilidades en un nivel de jerarquía elegido (por ejemplo, nodos de nivel superior) para determinar el umbral OOD, permitiendo una detección de fondo más robusta sin degradar el rendimiento en las clases positivas.

Contribuciones Clave

• Funciones de Pérdida Novedosas: Introducción de dos pérdidas semánticas basadas en árboles (basada en Wasserstein y EC ponderada por árbol) que codifican explícitamente las relaciones jerárquicas de etiquetas durante la optimización.
• Marco Versátil: Demostración de cómo estas pérdidas se aplican tanto a la parcelación de todo el cerebro (WBP) con supervisión densa como a la imagenología hiperespectral neuroquirúrgica (HSI) con supervisión dispersa, incluyendo la integración con detección OOD para la identificación de fondo.
• Mejora del Rendimiento: Evidencia empírica que muestra que incorporar jerarquías de etiquetas definidas por expertos o derivadas anatómicamente conduce a una supervisión semánticamente más significativa y a un rendimiento de segmentación mejorado en comparación con las líneas base estándar.
• Robustez en Estructuras Pequeñas: Mejoras específicas observadas en estructuras anatómicas pequeñas con anotaciones limitadas, donde las líneas base estándar a menudo luchan.

Resultados Experimentales
Los autores evaluaron su enfoque en dos tareas distintas:

1. Parcelación de Todo el Cerebro (WBP): Utilizando datos de IRM ponderados en T1 3D de tres conjuntos de datos (Mindboggle42, AOMIC, IXI) con supervisión completa.
   • Hallazgos: La pérdida compuesta basada en Wasserstein ($\mathcal{L}_{wass+seg}$) superó consistentemente a la línea base nnU-Net estándar (Dice + EC) y a la pérdida Dice de Wasserstein Generalizada. Las mejoras fueron más significativas para métricas relacionadas con estructuras pequeñas (Dicesmall, NSDsmall) y superposición de superficie (NSD). El análisis estadístico confirmó ganancias significativas en NSD y métricas de estructuras pequeñas en casi todos los escenarios de entrenamiento-prueba.
2. Imagenología Hiperespectral Neuroquirúrgica (HSI): Utilizando anotaciones dispersas de solo positivos de videos quirúrgicos intraoperatorios.
   • Hallazgos: El marco propuesto mejoró el rendimiento en clases de nivel superior (por ejemplo, distinguir tejido normal vs. anormal) en comparación con las líneas base entrenadas solo en nodos hoja. La supervisión de nivel superior ponderada por jerarquía ($\mathcal{L}_{twce+seg}$ con pesos de arista específicos) mostró un fuerte apoyo en el escenario disperso. El análisis de la matriz de confusión reveló que los métodos propuestos redujeron errores semánticamente implausibles (por ejemplo, confundir tejidos normales y anormales) en comparación con la línea base.

Significado y Afirmaciones
El artículo afirma que aprovechar la estructura del espacio de etiquetas como fuente de información es crucial para tareas de segmentación rica, particularmente al tratar con variaciones de clase sutiles y datos dispersos. Al ir más allá de la penalización uniforme de errores, los métodos propuestos permiten que los modelos cometan "mejores errores" (es decir, errores que están semánticamente más cerca de la verdad). Los autores enfatizan que su enfoque mejora las líneas base estándar sin requerir modificaciones arquitectónicas en las redes de segmentación (por ejemplo, nnU-Net o U-Net), lo que lo convierte en una extensión práctica para pipelines existentes. El trabajo cierra una brecha en la imagenología quirúrgica, donde tal supervisión semántica jerárquica no había sido explorada previamente, y proporciona una solución escalable para entrenar en grandes conjuntos de datos con anotaciones dispersas.