Invisible Yet Detected: PelFANet with Attention-Guided Anatomical Fusion for Pelvic Fracture Diagnosis

Resumen Técnico: PelFANet con Fusión Anatómica Guiada por Atención para el Diagnóstico de Fracturas Pélvicas

Planteamiento del Problema
Las fracturas pélvicas son lesiones críticas que suelen derivar de traumatismos de alta energía, con riesgos significativos de hemorragia y mortalidad. El diagnóstico depende en gran medida de la evaluación radiográfica, pero las fracturas sutiles o "invisibles" —aquellas que carecen de disrupciones corticales obvias en radiografías estándar pero que son confirmadas mediante TC 3D— son frecuentemente omitidas, incluso por radiólogos experimentados. Los enfoques existentes de aprendizaje profundo suelen tener dificultades en estos escenarios. Aunque la clasificación guiada por segmentación ayuda a centrarse en las estructuras anatómicas, conlleva el riesgo de descartar pistas contextuales cruciales (como la alineación de las extremidades, el espaciado articular o indicadores de tejidos blandos) que se encuentran fuera de los límites óseos. Por el contrario, analizar radiografías puras por sí solo puede fallar al aislar detalles anatómicos específicos entre el ruido de fondo. El desafío radica en desarrollar un modelo que integre eficazmente la precisión anatómica localizada con la información contextual global para detectar tanto signos de fracturas evidentes como sutiles.

Metodología
Los autores proponen PelFANet (Red de Atención Fusionada para la Pelvis), una arquitectura de doble flujo guiada por atención diseñada para fusionar radiografías pélvicas puras (PXR) con imágenes óseas segmentadas. El marco opera mediante un proceso de dos etapas:

1. Segmentación Ósea: Se entrena una U-Net con un codificador Mix Transformer B0 para generar máscaras óseas binarias a partir de las PXR puras. Este modelo trata toda la región pélvica como una única clase, produciendo máscaras de segmentación que sirven como la segunda entrada de flujo.
2. Clasificación de Doble Flujo (PelFANet):
   • Entrada: La red acepta dos entradas paralelas: la PXR pura original y la máscara de segmentación ósea correspondiente, ambas redimensionadas a 224×224.
   • Arquitectura: El núcleo consiste en dos ramas convolucionales independientes que extraen características de cada modalidad. Estas ramas están interconectadas mediante ocho Bloques de Fusión de Atención (FABlocks) apilados.
   • Mecanismo de Fusión: Dentro de cada FABlock, los mapas de características de ambos flujos se procesan mediante convoluciones específicas de cada flujo, se concatenan y se refinan utilizando un Módulo de Atención de Bloque Convolucional (CBAM). El CBAM aplica atención espacial y de canal secuencial para resaltar las características informativas. Las características fusionadas resultantes se proyectan y redistribinen en ambos flujos mediante conexiones residuales, permitiendo un refinamiento iterativo entre flujos.
   • Salida: Tras el FABlock final, las características pasan por un agrupamiento global (global pooling) y se dirigen a una capa totalmente conectada para la clasificación binaria de fractura.

Contribuciones Clave

• Arquitectura de Doble Entrada: El artículo introduce un enfoque novedoso que aprovecha simultáneamente el contexto de la imagen pura y las estructuras anatómicas segmentadas, abordando la limitación de los métodos que dependen de una sola modalidad.
• Fusión Guiada por Atención: El diseño de los FABlocks permite una interacción dinámica entre los flujos puro y segmentado, lo que permite al modelo aprender combinaciones de características que capturan tanto el contexto global como los detalles anatómicos localizados.
• Generalización a Fracturas Invisibles: El estudio se dirige específicamente a la detección de fracturas "invisibles" (signos sutiles no visibles en la radiografía pero confirmados por TC), un escenario donde los modelos de aprendizaje profundo estándar suelen tener un rendimiento inferior.

Resultados Experimentales
El modelo fue evaluado en el conjunto de datos AMERI, que incluye un subconjunto de Fractura Visible (VIS) y un desafiante subconjunto de Fractura Invisible (INVIS) (fracturas confirmadas por TC pero no visibles en la radiografía).

• Segmentación: El modelo de segmentación ósea alcanzó un promedio de Intersección sobre Unión (IoU) del 90.28% y un Índice de Dice de 92.78%.
• Rendimiento de Clasificación (VIS): En el subconjunto de fracturas visibles, PelFANet logró un 88.68% de precisión, un 92.21% de sensibilidad (recall) y un AUC de 0.9334.
• Rendimiento de Clasificación (INVIS): Crucialmente, el modelo fue probado en el subconjunto INVIS sin haber sido entrenado para ello. Alcanzó un 82.29% de precisión, un 84.35% de sensibilidad y un AUC de 0.8688.
• Comparación: PelFANet superó a las líneas base previas (incluyendo las estrategias de preentrenamiento de ImageNet y DRR20) en ambos subconjuntos. Notablemente, en el subconjunto INVIS, mejoró el AUC de 0.8002 (el mejor anterior) a 0.8688 y el F1 score de 78.60% a 81.23%.
• Visualización: Las visualizaciones de Grad-CAM indicaron que los casos clasificados correctamente mostraban una activación enfocada en las regiones óseas relevantes, mientras que las muestras mal clasificadas exhibían una atención dispersa.

Significancia y Reivindicaciones
Los autores afirman que PelFANet demuestra el potencial clínico de las arquitecturas de doble entrada conscientes de la anatomía para una detección de fracturas robusta. La principal significancia reside en la capacidad del modelo para generalizarse a casos de fracturas invisibles a pesar de haber sido entrenado exclusivamente con datos de fracturas visibles. Al retener el contexto estructural global (de las radiografías puras) junto con los límites anatómicos precisos (de la segmentación), la red captura señales sutiles y no locales indicativas de una lesión subyacente que los modelos de un solo flujo omiten.

El artículo concluye que, si bien los resultados son prometedores, se requiere mayor investigación para comprender plenamente las contribuciones específicas de componentes como CBAM y FABlocks mediante estudios de ablación. Además, los autores señalan que el trabajo futuro debería implicar la validación del modelo en cohortes multicéntricas más grandes y la exploración de arquitecturas modernas más allá de las comparaciones basadas en ResNet utilizadas en este estudio. El trabajo tiene como objetivo apoyar un uso clínico robusto en tiempo real abordando los desafíos diagnósticos de las presentaciones radiográficas sutiles.