Interpretable Unsupervised Deformable Image Registration via Confidence-bound Multi-Hop Visual Reasoning

Resumen Técnico: Registro de Imágenes Deformable No Supervisado e Interpretable mediante Razonamiento Visual de Múltiples Saltos con Límites de Confianza

Planteamiento del Problema
El registro de imágenes deformable (DIR) no supervisado tiene como objetivo alinear estructuras anatómicas complejas entre imágenes sin etiquetas de referencia. Aunque los métodos de aprendizaje profundo han alcanzado una alta precisión, a menudo funcionan como "cajas negras", careciendo de transparencia y fiabilidad. Esta opacidad conduce a la deriva de errores y a una reducción de la confianza clínica, particularmente en escenarios que involucran grandes deformaciones o conjuntos de datos 3D complejos donde la consistencia anatómica es difícil de garantizar sin supervisión. El desafío central es desarrollar un marco de registro que no solo sea preciso, sino también interpretable, fiable y capaz de proporcionar rastros de razonamiento transparentes para el despliegue clínico.

Metodología: Cadena de Razonamiento Visual de Múltiples Saltos (VCoR)
Los autores proponen un nuevo marco, VCoR-Reg, que reformula el registro de imágenes como un proceso de razonamiento progresivo de múltiples saltos inspirado en la toma de decisiones cognitiva humana (específicamente, en los Modelos de Decisión de Difusión). En lugar de una predicción de una sola pasada, el modelo refina iterativamente el campo de vectores de deformación (DVF) a través de tres "saltos" secuenciales.

La arquitectura consta de tres etapas principales:

1. Extracción de Características: Un codificador U-Net 3D extrae características multiescala y conscientes del contexto tanto de las imágenes de origen ($S_{im}$) como de las de referencia ($R_{im}$). Estas características se someten a un refinamiento de autoatención independiente para enfatizar las regiones anatómicas salientes y capturar dependencias de largo alcance.
2. Cadena de Razonamiento Visual (VCoR): Este es el módulo iterativo central. En cada salto $k$:
   • Refinamiento Espacial Localizado (LSR): Las características de origen se refinan mediante autoatención para mejorar la consistencia espacial local y los detalles estructurales.
   • Atención de Referencia Cruzada (CRA): Un mecanismo de atención cruzada unidireccional alinea las características de origen refinadas con las características de referencia fijas. Las características de referencia actúan como claves (keys) y valores (values), mientras que las características de origen actúan como consultas (queries). Esto asegura una correspondencia anatómicamente consistente y genera mapas de atención que resaltan las regiones de referencia influyentes.
   • Predicción de la Deformación: Se predice un campo de deformación ($\phi^{(k)}$) a partir de las características refinadas y se aplica mediante una Red de Transformación Espacial (STN) para deformar la imagen de origen, produciendo una salida intermedia.
3. Límites de Confianza-Incertidumbre: El marco incorpora un límite teórico derivado de la teoría cognitiva. Postula que, a medida que aumenta el número de saltos de razonamiento, la confianza (medida por métricas de similitud como DSC y NCC) debe aumentar de forma monótona, mientras que la incertidumbre (medida por el Error de Registro Objetivo y los determinantes de Jacobiano negativos) debe contraerse geométricamente.

El entrenamiento es no supervisado, optimizando una función de pérdida compuesta que equilibra la similitud de la imagen (Correlación Cruzada Normalizada y Error Cuadrático Medio) con un término de regularización para asegurar deformaciones suaves y físicamente plausibles.

Contribuciones Clave

1. Razonamiento Visual de Múltiples Saltos Implícito (IMVCoR): El artículo introduce el primer trabajo que aplica un paradigma de razonamiento visual de múltiples saltos implícito al registro de imágenes médicas deformables no supervisadas, utilizando un flujo de refinamiento de grueso a fino.
2. Límites de Fiabilidad: Inspirados en los Modelos de Decisión de Difusión, los autores proponen una restricción de confianza-consistencia teórica. Esto integra el razonamiento humano en el aprendizaje profundo, con el objetivo de mitigar la deriva de errores, preservar la plausibilidad anatómica y validar el proceso mediante la reducción de los Jacobianos negativos.
3. Interpretabilidad Integrada: Al generar campos de deformación intermedios y mapas de atención en cada salto, el modelo proporciona rastros de razonamiento transparentes. Estima la incertidumbre mediante la estabilidad y la convergencia de los campos de deformación a través de los saltos.

Resultos Experimentales
El marco fue evaluado en dos bancos de datos públicos: DIR-Lab 4D CT (pulmón) e IXI T1-weighted MRI (cerebro).

• DIR-Lab (Pulmón): VCoR-Reg logró un Error de Registro Objetivo (TRE) medio de 1.55 mm, superando a los métodos de vanguardia (por ejemplo, Jiang et al. con 1.66 mm y TransMorph con 1.84 mm). También demostró la desviación estándar más baja (1.12 mm), lo que indica una alta consistencia.
• IXI (Cerebro): El método alcanzó un Coeficiente de Similitud de Dice (DSC) de 0.759, superando a las líneas base clásicas y de aprendizaje profundo, incluyendo variantes de SyN, Flash y VoxelMorph.
• Refinamiento Progresivo: El análisis cuantitativo mostró una mejora constante a través de los saltos. Por ejemplo, en el conjunto de datos DIR-Lab, el TRE promedio disminuyó de 2.04 mm (línea base) a 1.63 mm (Salto 1), 1.55 mm (Salto 2) y 1.51 mm (Salto 3).
• Plausibilidad Anatómica: El porcentaje de vóxeles con determinantes de Jacobiano negativos (que indican plegamiento) disminuyó progresivamente a través de los saltos, alcanzando un mínimo de 0.118% en el último salto, lo que confirma una mejora en la suavidad de la deformación.
• Evolución de la Confianza: La validación empírica confirmó los límites teóricos: las métricas de confianza aumentaron mientras que las métricas de incertidumbre disminuyeron a través de los saltos de razonamiento, particularmente al utilizar esquemas de ponderación empírica.

Significancia y Reivindicaciones
El artículo afirma que VCoR-Reg representa un paso significativo hacia la IA Confiable en el procesamiento de imágenes médicas. Al integrar un paradigma de razonamiento visual implícito, el marco ofrece:

• Interpretabilidad: Proporciona una secuencia transparente de predicciones intermedias y mapas de atención, permitiendo a los clínicos visualizar cómo y dónde mejora el alineamiento.
• Fiabilidad: La demostración teórica y empírica del crecimiento de la confianza y la contracción de la incertidumbre a través de los saltos ofrece una explicación fundamentada de la estabilidad del modelo, abordando la preocupación de la "caja negra".
• Viabilidad Clínica: La capacidad de estimar la incertidumbre y proporcionar rastros de razonamiento respalda la toma de decisiones basada en datos en aplicaciones críticas como la guía quirúrgica, la planificación de radioterapia y el seguimiento de enfermedades longitudinales.

Los autores reconocen las limitaciones, señalando que la validación actual está restringida a conjuntos de datos de modalidad única y órganos específicos. Enfatizan que se requiere trabajo futuro para extender el marco al registro multimodal, incorporar anotaciones de expertos y validar el rendimiento en escenarios clínicos más amplios con diversas patologías y artefactos. Sin embargo, los resultados actuales establecen una base sólida para un registro no supervisado interpretable que equilibra una alta precisión con la confianza clínica.