DualResolution Residual Architecture with Artifact Suppression for Melanocytic Lesion Segmentation

Resumen Técnico: Arquitectura Residual de Doble Resolución con Supresión de Artefactos para la Segmentación de Lesiones Melanocíticas

Enunciado del Problema
La segmentación precisa de tumores melanocíticos en imágenes dermatoscópicas es un prerrequisito para la detección automatizada del cáncer de piel y el apoyo a la toma de decisiones clínicas. A diferencia de la segmentación de escenas naturales, esta tarea enfrenta desafíos únicos: bajo contraste entre las lesiones y la piel circundante, heterogeneidad significativa de textura y color dentro de las lesiones, y frecuentes artefactos de imagen como pelos, marcas de tinta, escalas de regla y reflejos especulares. Además, los conjuntos de datos clínicos suelen ser limitados en tamaño, y pequeños errores en los bordes pueden alterar drásticamente las mediciones diagnósticas y la estratificación de riesgos. Las arquitecturas estándar de codificador-decodificador, aunque efectivas para el reconocimiento general, a menudo degradan la precisión espacial debido al muestreo descendente sucesivo, lo que las hace subóptimas para la localización de bordes precisa a nivel de píxel requerida en dermatología.

Metodología
Los autores proponen "Nuestro método", una arquitectura novedosa de doble resolución inspirada en ResNet diseñada para equilibrar el reconocimiento semántico robusto con la delimitación precisa de bordes. El marco consta de los siguientes componentes principales:

1. Flujos de Doble Resolución:

   • Flujo de Resolución Completa: Mantiene la información espacial de alta frecuencia a lo largo del codificador para preservar los detalles finos de los bordes.
   • Flujo Agrupado: Reduce progresivamente la resolución espacial para agregar señales contextuales multiescala, ayudando a desambiguar el tejido de la lesión de los patrones de piel confusos y los artefactos.

2. Unidades Residuales de Resolución Completa (FRRUs):
   Estas unidades acoplan estrechamente los dos flujos. Muestrean hacia abajo las características de resolución completa, las concatenan con las características agrupadas y las procesan mediante un bloque de convolución multiescala compacto. Las características resultantes se muestrean hacia arriba e inyectan de nuevo en el flujo de resolución completa como residuos. Este diseño permite que el flujo agrupado evolucione hacia descriptores semánticos robustos mientras actualiza continuamente el flujo de alta resolución con información contextual.

3. Módulos Especializados para Dermatoscopia:

   • Rama de Supresión de Artefactos: Una rama ligera predice un mapa de confianza de artefactos (detectando pelos, tinta y reflejos) para modular el flujo residual, reduciendo la influencia de píxeles corruptos mientras preserva las señales válidas de la lesión.
   • Atención Canal-Espacial: Un módulo adapta la sensibilidad de las características a las señales específicas de color y textura típicas de las lesiones dermatoscópicas, reponderando dinámicamente los canales y las regiones espaciales.
   • Inyección Residual Consciente del Borde: Una cabeza de borde extrae respuestas de gradiente de las representaciones agrupadas, las cuales se proyectan y muestrean hacia arriba para imponer la fidelidad del borde en el flujo de resolución completa.

4. Objetivos de Entrenamiento:
   Para abordar el desequilibrio de clases y los datos limitados, el modelo emplea una función de pérdida multi-tarea:

   • Pérdida Dice–Tversky: Maneja el desequilibrio de clases y controla los falsos positivos/negativos.
   • Pérdida de Borde: Implementada como una pérdida L1 sobre la transformada de distancia con signo (SDT) o entropía cruzada en bandas, penalizando explícitamente las discrepancias de contorno.
   • Regularizador Contrastivo: Fomenta representaciones de lesiones consistentes a través de vistas aumentadas para estabilizar el aprendizaje de características.

Contribuciones Clave

• Arquitectura: Introducción de un marco de doble resolución que evita la pérdida de precisión espacial típica de los codificadores de muestreo descendente estándar al mantener un flujo continuo de resolución completa acoplado mediante FRRUs.
• Manejo de Artefactos: Integración de un bloque dedicado de supresión de artefactos que se dirige específicamente a distractores dermatoscópicos comunes (pelos, reglas) sin requerir preprocesamiento complejo.
• Estrategia de Entrenamiento: Una función de pérdida compuesta que combina la superposición de regiones, la fidelidad explícita del borde y la regularización contrastiva, adaptada para conjuntos de datos clínicos pequeños y desequilibrados.
• Rendimiento: El método logra una segmentación precisa a nivel de píxel sin depender de un postprocesamiento pesado ni de protocolos de preentrenamiento complejos.

Resultados Experimentales
El método se evaluó en benchmarks públicos de dermatoscopia y se comparó con una línea base de Red Convolucional Totalmente Convolucional (FCN). Los hallazgos clave incluyen:

• Rendimiento General: "Nuestro método" logró un Coeficiente Dice (DC) de 0.88 y una Intersección sobre Unión (IoU) de 0.80, superando significativamente a la línea base FCN (DC 0.75, IoU 0.65). La mejora fue estadísticamente significativa ($p < 0.001$).
• Análisis de Subgrupos: El modelo demostró mejoras consistentes en tonos de piel, géneros, grupos de edad y regiones anatómicas. Destacablemente, mostró ganancias sustanciales en piel oscura (mejora de DC de 0.17) y redujo la brecha de rendimiento entre tonos de piel claros y oscuros en comparación con la línea base.
• Fidelidad del Borde: El método redujo la Distancia Simétrica Promedio de Superficie (ASSD) entre un 25–35% y mejoró la puntuación F1 de borde entre 12–18 puntos porcentuales, confirmando la eficacia de los componentes conscientes del borde.
• Estudios de Ablación: La eliminación del módulo de supresión de artefactos causó una caída de 0.04 en la IoU en regiones ricas en pelos. La eliminación de la inyección de bordes o de la pérdida aumentó la ASSD entre un 20–30%, validando la necesidad de estos componentes para la precisión del contorno.
• Eficiencia: Aunque el tiempo de inferencia aumentó ligeramente (22 ms frente a 12 ms en una RTX 3090) debido al procesamiento de doble flujo, los autores señalan que esto sigue siendo aceptable para flujos de trabajo por lotes y casi en tiempo real.

Significado y Afirmaciones
El artículo afirma que "Nuestro método" proporciona un bloque de construcción práctico para sistemas automatizados de evaluación de melanoma. Al abordar explícitamente la compensación entre el contexto semántico y la precisión espacial, y al mitigar el impacto de los artefactos de imagen comunes, la arquitectura ofrece máscaras de lesiones más precisas y fiables que las líneas base estándar de codificador-decodificador. Los autores enfatizan que el enfoque es particularmente beneficioso en escenarios desafiantes que involucran bajo contraste de la lesión, pelo denso o iluminación compleja. Los resultados sugieren que el método apoya tareas posteriores como la extracción de características, la medición cuantitativa del tamaño y la estratificación de riesgos, ofreciendo una equidad mejorada a través de diferentes tonos de piel y demografías de pacientes. Los autores concluyen que la arquitectura logra un fuerte equilibrio entre la localización precisa y el reconocimiento robusto sin requerir restricciones de preentrenamiento restrictivas.