Resumen Técnico: TFFM para la Segmentación de Vasos Retinianos

1. Planteamiento del Problema

La segmentación de arterias y venas retinianas es crítica para el diagnóstico de condiciones cardiovasculares sistémicas, hipertensión y retinopatía diabética. Sin embargo, existe una brecha semántica significativa entre los modelos estándar de aprendizaje profundo y los requisitos clínicos. Mientras que las redes neuronales convolucionales (CNN) convencionales a menudo logran una alta precisión a nivel de píxel (por ejemplo, puntuaciones Dice), frecuentemente producen segmentaciones topológicamente desarticuladas. Estos resultados contienen brechas, discontinuidades y árboles vasculares fragmentados, lo que los hace inadecuados para el análisis clínico basado en grafos, como la cuantificación automatizada de biomarcadores o la medición de la tortuosidad. Las métricas estándar como Dice e IoU no logran penalizar estos errores topológicos, ocultando el fenómeno de "vasos fragmentados" donde un modelo logra una alta precisión pero produce estructuras fragmentadas clínicamente inutilizables.

2. Metodología

Los autores proponen TFFM (Módulo de Fusión de Características Sensible a la Topología), un marco diseñado para mantener la conectividad vascular integrando el razonamiento topológico directamente en el proceso de extracción y fusión de características, en lugar de depender únicamente de funciones de pérdida post-hoc.

2.1. Arquitectura Base

La base del marco es una arquitectura U-Net++ mejorada con Puertas de Atención (Attention Gates), seleccionada mediante estudios de ablación por su capacidad superior para capturar detalles morfológicos finos en comparación con U-Net, SwinUNETR y TransUNet estándar. La ruta del codificador utiliza EfficientNet-B0, que demostró superar a variantes más grandes (como EfficientNet-B4) y redes más profundas (como ResNet-101) en la preservación de detalles vasculares finos manteniendo la eficiencia computacional.

2.2. Módulo de Fusión de Características Topológicas (TFFM)

La innovación central es el TFFM, que proyecta mapas de características locales en un espacio de grafo latente para razonar sobre la conectividad global. El módulo opera en cuatro etapas:

1. Abstracción Adaptativa de Escala: Las características se comprimen y agrupan en rejillas de varios tamaños ($G_l$) en diferentes niveles del decodificador.
2. Construcción de Grafo Dinámico: Se construye un grafo de espacio de características donde los nodos representan vectores de características aplanados. Los bordes se definen mediante una matriz de similitud de coseno dispersa, seleccionando los $k$ vecinos superiores para formar una estructura de adyacencia.
3. Razonamiento de Atención de Grafo: Una Red de Atención de Grafos (GAT) procesa estos nodos. Calcula puntuaciones de atención enmascaradas para agregar información de regiones no locales y topológicamente relevantes, capturando eficazmente las dependencias estructurales globales que se pierden con los campos receptivos fijos.
4. Integración Adaptativa: Las características derivadas del grafo se refinan utilizando módulos de Atención Espacial y de Canal y un mecanismo de puerta de vascularidad (vesselness gating). Una conexión residual de puerta aprendida mezcla estas pistas topológicas globales con las características locales originales, permitiendo que la red inyecte selectivamente información de conectividad sin destruir las estructuras locales finas.

2.3. Función de Objetivo Híbrida

Para abordar tanto el desequilibrio de clases como la continuidad topológica, el modelo emplea una función de pérdida compuesta:

• Pérdida Tversky: Utilizada para mitigar el extremo desequilibrio entre primer plano y fondo al ponderar asimétricamente los falsos positivos y negativos. Los autores ajustan los parámetros ($\alpha=0.65, \beta=0.35$) para priorizar la recuperación (recall), ya que los segmentos vasculares perdidos (falsos negativos) son más perjudiciales para la topología que el ruido de fondo.
• Pérdida Soft clDice: Un regularizador topológico diferenciable que opera sobre mapas de probabilidad continuos. Calcula la media armónica de la Precisión y Sensibilidad topológica basadas en predicciones de esqueleto suave, penalizando explícitamente las rupturas en el esqueleto de los vasos.
• Pérdida Total: $L_{total} = L_{Tv} + 0.5 L_{clDice}$.

3. Contribuciones Clave

1. Topología Integrada en la Arquitectura: A diferencia de trabajos previos que aplican restricciones topológicas solo durante la optimización (vía funciones de pérdida), este trabajo integra el razonamiento topológico directamente en la jerarquía de características a través del TFFM y las GAT.
2. Razonamiento de Grafo Latente: La introducción de un módulo que mapea características locales a un espacio de grafo latente permite a la red modelar la conectividad vascular global más allá del campo receptivo local de las convoluciones estándar.
3. Ablación Sistemática: El estudio proporciona un proceso de selección riguroso para la arquitectura base (U-Net++ con Puertas de Atención), el codificador (EfficientNet-B0) y la formulación de la pérdida, demostrando que las elecciones arquitectónicas impactan significativamente en la fidelidad topológica.
4. Generalización Zero-Shot: El marco demuestra robustez a través de diversos conjuntos de datos externos sin necesidad de ajuste fino (fine-tuning), lo que sugiere que las restricciones topológicas aprendidas son generalizables a través de protocolos de imagen.

4. Resultados Experimentales

El método fue evaluado en el conjunto de datos Fundus-AVSeg y en cinco referentes externos (DRIVE, CHASEDB1, HRF, RETA, STARE).

• Rendimiento en Fundus-AVSeg:

  • Logró un Dice combinado de 90.97% y una Distancia de Hausdorff 95% (HD95) de 3.50 píxeles.
  • Mejora Topológica: El método redujo la fragmentación de los vasos aproximadamente un 38% en relación con las líneas base (de 44.7 a 27.7 componentes predichos por imagen).
  • Error de Betti: El error del número de Betti (que mide las diferencias en componentes conectados) cayó significativamente de 43.0 a 26.0 al añadir el TFFM.
  • Detección de Uniones: Las puntuaciones F1 de las uniones mejoraron a 65.44%, aunque la recuperación de los puntos de bifurcación sigue siendo un desafío (0.44 para arterias, 0.52 para venas).

• Generalización entre Conjuntos de Datos:

  • En inferencia zero-shot en conjuntos de datos externos, el modelo mantuvo puntuaciones Dice entre 79.94% y 82.18%.
  • La consistencia topológica (clDice) se mantuvo alta (68.71%–73.57%), superando significativamente a los métodos tradicionales en la preservación de la conectividad vascular sin adaptación de dominio.

5. Significado y Reivindicaciones

El artículo afirma que la principal significancia de TFFM radica en cerrar la brecha entre la precisión a nivel de píxel y la utilidad clínica. Al asegurar la coherencia topológica, el marco produce árboles vasculares que son viables para el análisis basado en grafos, como la cuantificación de biomarcadores.

Los autores enfatizan que, si bien las métricas estándar (Dice, IoU) pueden ser engañosas al recompensar predicciones fragmentadas, su enfoque híbrido equilibra con éxito la superposición de regiones con la integridad estructural. Señalan que, aunque el método reduce significativamente la fragmentación y mejora la conectividad global, la completitud de la bifurcación sigue siendo una limitación, ya que las tasas de recuperación de las uniones sugieren que la complejidad local extrema en los puntos de cruce aún requiere mecanismos de atención especializados. El trabajo concluye que su marco genera segmentaciones topológicamente robustas aptas para tareas clínicas posteriores, ofreciendo un camino hacia un análisis retinal automatizado más confiable.