Multiscale Switch for Semi-Supervised and Contrastive Learning in Medical Ultrasound Image Segmentation

1. Problema y Contexto

La segmentación de imágenes de ultrasonido (US) es fundamental para el diagnóstico clínico de órganos superficiales (ganglios linfáticos, lesiones mamarias, nódulos tiroideos, próstata), pero enfrenta desafíos significativos:

• Escasez de datos etiquetados: La anotación manual por radiólogos es costosa, lenta y propensa a variaciones.
• Artefactos de imagen: El ruido de speckle, los límites de bajo contraste y la inconsistencia en el brillo y resolución dificultan la segmentación automática.
• Limitaciones de métodos existentes: Las técnicas actuales de Aprendizaje Semi-Supervisado (SSL) a menudo sufren de una utilización subóptima de los datos no etiquetados y carecen de mecanismos robustos para la representación de características. Además, métodos basados en "copiar y pegar" (Copy-Paste) con parches fijos no se adaptan bien a las formas y tamaños variables de las regiones de interés (ROI) en US.

2. Metodología Propuesta: Switch

Los autores proponen Switch, un nuevo marco de aprendizaje semi-supervisado basado en una arquitectura Maestro-Estudiante (Teacher-Student) que integra tres componentes clave:

A. Arquitectura Maestro-Estudiante

• Red Estudiante ($f_s$): Se entrena activamente mediante descenso de gradiente utilizando tanto datos etiquetados como no etiquetados.
• Red Maestra ($f_t$): Actúa como un modelo de referencia estable que genera pseudo-etiquetas para los datos no etiquetados. Sus parámetros se actualizan mediante un Promedio Móvil Exponencial (EMA) de los parámetros del estudiante, sin retropropagación directa.

B. Estrategia de Conmutación Multiescala (MSS - Multiscale Switch)

Para abordar la variabilidad en el tamaño y posición de las ROI, MSS mejora las técnicas de mezcla de parches:

• Genera una máscara binaria aleatoria compuesta por parches gruesos (128x128 píxeles) y parches finos (32x32 píxeles).
• Mezcla pares de imágenes (una etiquetada y una no etiquetada) utilizando esta máscara jerárquica. Esto permite una cobertura espacial uniforme y la integración de representaciones tanto a nivel macro (estructura) como micro (detalles/bordes), superando las limitaciones de los parches fijos.

C. Conmutación en el Dominio de la Frecuencia (FDS - Frequency Domain Switch) con Aprendizaje Contrastivo (CL)

Esta es una innovación central para mejorar la representación de características:

• Descomposición: Se aplica la Transformada Rápida de Fourier (FFT) a las imágenes para separar la amplitud (textura/ruido) y la fase (estructura anatómica).
• Conmutación de Amplitud: Se intercambia selectivamente la amplitud de baja frecuencia (estilo global) entre una imagen etiquetada y una no etiquetada dentro de una región controlada, manteniendo la fase original. Esto crea pares de imágenes que comparten la misma estructura anatómica pero con diferentes texturas/ruidos.
• Aprendizaje Contrastivo (CL): Se utiliza un cabezal de proyección (projection head) para extraer características. El objetivo es maximizar la similitud entre pares positivos (la imagen original y su versión reconstruida tras el FDS) y minimizarla con pares negativos. Esto fuerza al modelo a aprender representaciones invariantes a las variaciones de ruido y textura, enfocándose en la estructura anatómica.

D. Regularización de Consistencia

Se añade una pérdida de consistencia que penaliza las diferencias entre las predicciones del estudiante sobre las imágenes originales y sus contrapartes reconstruidas en el dominio de la frecuencia, asegurando que el modelo sea robusto a estas perturbaciones.

3. Contribuciones Clave

1. Marco SSL Novel: Propuesta de un framework que fusiona conocimiento grueso y fino mediante MSS para fortalecer la consistencia en pares de imágenes de US.
2. Estrategia FDS-CL: Desarrollo de un módulo de aprendizaje contrastivo que utiliza la conmutación en el dominio de la frecuencia para mejorar la uniformidad entre imágenes originales y reconstruidas, preservando la estructura anatómica mientras se varía la textura.
3. Validación Exhaustiva: Evaluación en seis conjuntos de datos diversos (ganglios linfáticos, mama, tiroides, próstata) que demuestra la generalización y eficacia del método, superando a los métodos más avanzados (SOTA).

4. Resultados Experimentales

El método fue evaluado en seis conjuntos de datos públicos y privados bajo cinco ratios de etiquetado (5%, 10%, 20%, 35%, 50%).

• Rendimiento en Escenarios de Pocos Datos (Low-Data Regime):
  • Con solo un 5% de datos etiquetados, Switch logró resultados excepcionales:
    • LN-INT (Ganglios): 80.04% de Dice.
    • DDTI (Tiroides): 85.52% de Dice.
    • Próstata: 83.48% de Dice.
  • Superó consistentemente a los métodos SOTA (como BCP, ABD, $\beta$-FFT) en todos los ratios de etiquetado.
• Eficiencia de Parámetros:
  • Switch utiliza solo 1.8M de parámetros, siendo significativamente más ligero que competidores como CCT (3.7M) o MC-Net (3.8M), pero logrando un rendimiento superior o equivalente.
• Generalización Externa:
  • En el conjunto de prueba externo (LN-EXT), el método mantuvo una ventaja consistente (ej. +3.57% en Dice al 5% de etiquetado) sobre el segundo mejor método, demostrando robustez entre diferentes centros hospitalarios.
• Superioridad sobre Supervisión Total:
  • En algunos casos (LN-INT y LN-EXT), el enfoque semi-supervisado con 50% de datos etiquetados superó al entrenamiento totalmente supervisado (100% de datos), validando la eficacia de la estrategia de uso de datos no etiquetados.

5. Significado e Impacto

• Reducción de Costos de Anotación: El método permite alcanzar un rendimiento clínico aceptable (>80% Dice) utilizando solo el 5% de los datos etiquetados, lo que representa una reducción del 95% en el esfuerzo de anotación manual.
• Aplicabilidad Clínica: Su eficiencia de parámetros y robustez lo hacen ideal para despliegue en entornos con recursos limitados o en nuevos centros clínicos donde la anotación experta es escasa.
• Avance Técnico: La combinación de conmutación multiescala espacial y manipulación en el dominio de la frecuencia ofrece una nueva dirección para mejorar la representación de características en imágenes médicas ruidosas, abordando específicamente los desafíos del ruido de speckle y los bordes difusos del ultrasonido.

En conclusión, Switch establece un nuevo estado del arte en la segmentación semi-supervisada de ultrasonido, demostrando que la integración inteligente de estrategias espaciales y de frecuencia puede superar las limitaciones de los datos etiquetados sin sacrificar la precisión ni la eficiencia computacional.