Joint Segmentation and Grading with Iterative Optimization for Multimodal Glaucoma Diagnosis

Resumen Técnico: Segmentación y Clasificación Conjunta con Optimización Iterativa para el Diagnóstico Multimodal del Glaucoma

1. Problema

El diagnóstico preciso del glaucoma es un desafío significativo debido a que los cambios en las etapas tempranas de la enfermedad son sutiles y a menudo carecen de señales estructurales o de apariencia claras.

• Limitaciones de los enfoques actuales: La mayoría de los métodos existentes dependen de una sola modalidad de imagen (ya sea fotografía de fondo de ojo fundus o Tomografía de Coherencia Óptica OCT). Esto captura solo información patológica parcial y suele pasar por alto la progresión temprana de la enfermedad.
• Falta de sinergia: Aunque existen estrategias multimodales que combinan fundus y OCT, los métodos actuales tratan la segmentación (del disco y la copa óptica) y la clasificación (graduación del glaucoma) como tareas independientes. Esto impide explotar la correlación inherente entre ambas tareas y el potencial de una optimización conjunta.

2. Metodología Propuesta (Modelo IMO)

Los autores proponen IMO (Iterative Multimodal Optimization), un marco de trabajo novedoso diseñado para realizar la segmentación y la graduación del glaucoma de forma conjunta mediante una optimización iterativa.

• Fusión de Nivel Medio: El modelo utiliza dos codificadores duales para extraer representaciones específicas de cada modalidad (fundus y OCT).
  • Un codificador de pirámide de características extrae características multiescala de la imagen de fundus.
  • Una red paralela captura las señales volumétricas complementarias de la OCT.
• Módulo de Alineación de Características Cross-Modal (CMFA): Para abordar las discrepancias entre las modalidades, se introduce el módulo CMFA. Este módulo alinea las representaciones en un espacio de características compartido mediante:
  1. Atención de Canal: Utiliza Global Average Pooling (GAP) y redes totalmente conectadas para generar pesos de atención, enfatizando canales informativos y suprimiendo redundantes.
  2. Atención Espacial: Genera mapas de atención espacial basados en el promedio y la máxima agrupación (pooling) para resaltar regiones salientes.
  3. Fusión: Combina la información refinada mediante convoluciones puntuales para crear una representación unificada rica en información complementaria.
• Decodificador de Refinamiento Iterativo: Inspirado en los Modelos de Difusión de Probabilidad Diferida (DDPM), el modelo no realiza la segmentación en un solo paso.
  • Utiliza un mecanismo de difusión para refinar progresivamente las máscaras de segmentación a través de múltiples iteraciones (proceso inverso de eliminación de ruido).
  • Esto permite una optimización paso a paso, mejorando la robustez frente a la incertidumbre y el ruido, y logrando límites más precisos.
• Cabeza de Clasificación Eficiente: Una rama paralela utiliza convoluciones separables por profundidad (DSC), normalización por lotes y bloques SE para predecir las etapas del glaucoma (Normal, Glaucoma Temprano, Medio/Avanzado).

3. Contribuciones Clave

1. Marco Unificado: Propuesta de IMO, un marco que integra imágenes de fundus y volúmenes de OCT para realizar simultáneamente la graduación del glaucoma y la segmentación del disco/copa óptica.
2. Módulo CMFA: Desarrollo de un módulo específico para la alineación de características entre modalidades, mejorando la expresividad de la representación fusionada.
3. Decodificador Basado en Difusión: Implementación de un decodificador de refinamiento iterativo que utiliza un mecanismo de difusión para mejorar progresivamente la precisión de la segmentación, superando las limitaciones de los enfoques de un solo paso.

4. Resultados Experimentales

Los experimentos se realizaron en el conjunto de datos GAMMA (100 pares de imágenes fundus/OCT con etiquetas de glaucoma y máscaras).

• Segmentación:
  • El método propuesto alcanzó un mDice (Dice medio) del 93.33%, superando a los métodos de referencia como SegFormer (90.81%) y UNet++ (89.78%).
  • Obtuvo un Dice del 89.93% para el disco óptico y 90.09% para la copa óptica.
  • Visualmente, el modelo produce mapas de segmentación más suaves y con límites más precisos, capturando detalles estructurales sutiles que otros métodos pierden.
• Clasificación (Graduación):
  • Logró una precisión del 81.48% y una exactitud (accuracy) del 75.00%, empatando con el mejor resultado en exactitud.
  • Obtuvo el recall más alto (79.17%) y un F1-score de 72.03%, demostrando una fuerte capacidad para identificar casos positivos de manera equilibrada.
• Estudio de Ablación:
  • La eliminación de la modalidad OCT redujo la precisión de clasificación en un 11.36%.
  • La eliminación del módulo CMFA disminuyó el mDice y la precisión, confirmando la necesidad de alineación de características.
  • La sustitución del decodificador iterativo por uno de un solo paso degradó ligeramente el rendimiento, validando la utilidad del refinamiento progresivo.

5. Significado e Impacto

Este trabajo demuestra que la optimización conjunta de tareas de segmentación y clasificación es superior a abordarlas por separado. Al integrar información multimodal (fundus y OCT) y utilizar un mecanismo de refinamiento iterativo, el modelo IMO ofrece un enfoque más completo y clínicamente significativo para la evaluación del glaucoma.

• Robustez: La capacidad de manejar discrepancias entre modalidades y ruido mejora la fiabilidad en escenarios clínicos reales.
• Precisión Clínica: La mejora en la delimitación de los bordes del disco y la copa óptica es crucial para el diagnóstico temprano y el seguimiento de la progresión de la enfermedad.
• Reproducibilidad: El código fuente está disponible públicamente, fomentando la investigación futura en diagnóstico multimodal de enfermedades oculares.