CS-MUNet: A Channel-Spatial Dual-Stream Mamba Network for Multi-Organ Segmentation

1. Planteamiento del Problema

La segmentación de órganos abdominales, especialmente los órganos huecos (como el estómago, intestinos y vesícula biliar), presenta desafíos significativos en imágenes médicas (TC y RM) debido a su morfología variable, límites poco definidos y bajo contraste de tejidos blandos.

Aunque los métodos basados en Mamba (State Space Models - SSM) han demostrado ser prometedores por su complejidad lineal $O(n)$ y capacidad de modelado de largo alcance, el artículo identifica tres limitaciones críticas en las aproximaciones existentes:

1. Falta de colaboración semántica entre canales: Los métodos actuales tratan los canales de características como componentes paralelos independientes, ignorando las dependencias ordenadas y semánticas entre ellos (textura, forma, densidad).
2. Integración superficial de la conciencia de bordes: Las estrategias de detección de bordes existentes no se integran profundamente en los parámetros centrales de escaneo del SSM, limitándose a pérdidas auxiliares o post-procesamiento.
3. Optimización insuficiente para órganos huecos: La mayoría de los métodos validados se centran en órganos sólidos, descuidando los desafíos específicos de las paredes delgadas y los límites débiles de los órganos huecos.

2. Metodología: CS-MUNet

El autores proponen CS-MUNet, una arquitectura en forma de U que establece dos vías de modelado SSM ortogonales: una para la dimensión espacial y otra para la dimensión de canal. La red utiliza Res2Net-50 como backbone y se compone de dos módulos innovadores:

A. Módulo de Estado Mamba Consciente de Bordes (BASM)

Ubicado en las conexiones de salto (skip connections) del decodificador, este módulo inyecta la conciencia de los bordes directamente en el mecanismo de transición de estado del SSM.

• Generación de Mapas de Posterioridad de Bordes: Utiliza un marco de atención bayesiana para generar mapas de probabilidad de borde a nivel de píxel. Combina una guía geométrica (campo de distancia) y una probabilidad de atención basada en características.
• Modulación de Parámetros: Estos mapas de posterioridad se inyectan directamente en los parámetros críticos del Mamba:
  • $\Delta$ (tasa de olvido): Se modula para retener estados históricos más completamente en las regiones de borde.
  • $B$ (peso de escritura): Se amplifica para dar mayor peso a la entrada actual en los bordes.
• Rama SASF (Spatial Adaptive Structure-aware Feature): Complementa el modelado global del SSM con convoluciones profundas (DWConv) multiescala para capturar la geometría local, fusionándose mediante una asignación de pesos estilo SE.

B. Módulo de Agregación de Estado Mamba de Canal (CMSA)

Ubicado en el cuello de botella (bottleneck) del codificador, este módulo redefine la dimensión de canal como la dimensión de secuencia del SSM.

• Modelado de Dependencias Inter-canal: En lugar de tratar los canales en paralelo, CMSA los procesa como una secuencia para aprender dependencias semánticas entre canales (ej. cómo la textura de un canal se relaciona con la densidad de otro).
• Restricción de Estado Acotado (Lipschitz): Para evitar la acumulación descontrolada de estados heterogéneos entre canales, se introduce una restricción de acotamiento (clipping) en la matriz de transición de estado ($\bar{A}_k$) y en el término de decaimiento acumulativo. Esto garantiza la convergencia teórica y evita la contaminación semántica entre canales no relacionados.
• Agrupación: Los canales se dividen en grupos semánticamente coherentes para aplicar parámetros SSM compartidos, equilibrando la modelación de dependencias y la eficiencia.

3. Contribuciones Clave

1. Arquitectura Dual-Stream: Propone un diseño que aborda simultáneamente la colaboración semántica de canales (CMSA) y la fusión de características consciente de bordes (BASM) dentro de un marco unificado de Mamba.
2. Inyección de Bordes en el Núcleo SSM: A diferencia de métodos previos que usan bordes como pérdidas externas, CS-MUNet modifica activamente los parámetros de transición de estado ($\Delta$ y $B$) del Mamba, transformando la información de borde en una señal activa de guía de escaneo.
3. Modelado de Secuencia de Canales: Reinterpreta la dimensión de canal como una secuencia temporal para el SSM, resolviendo el problema de la independencia de canales en la segmentación médica, con restricciones matemáticas para garantizar la estabilidad.
4. Validación en Órganos Huecos: Demuestra una superioridad específica en la segmentación de órganos huecos, un área donde los métodos existentes suelen fallar.

4. Resultados Experimentales

El modelo fue evaluado en dos benchmarks públicos: UW-Madison GI Tract (MRI, 3 órganos huecos) y WORD (TC, 16 categorías).

• Rendimiento General: CS-MUNet superó consistentemente a los métodos más avanzados (SOTA), incluyendo variantes de U-Net, Transformers (TransUNet, Swin-UNet) y otros Mamba.
  • UW-Madison: Logró un mDice de 86.16% (mejora de +2.91% sobre el mejor baseline).
  • WORD: Logró un mDice de 94.47% (mejora de +1.03% sobre el mejor baseline).
• Eficiencia: Con solo 52.22M de parámetros y 38.8G FLOPs, ofrece un rendimiento superior con una carga computacional significativamente menor que los modelos basados en Transformers (ej. TransUNet tiene ~117M parámetros).
• Estudios de Ablación: Confirmaron que tanto la modulación de parámetros $\Delta/B$ en BASM como la restricción de acotamiento en CMSA son componentes indispensables para el rendimiento. La eliminación de cualquiera de ellos provocó caídas significativas en el mDice.
• Visualización: Las comparaciones cualitativas mostraron una mayor continuidad de contorno y precisión en los límites de órganos huecos (intestino delgado, colon) en comparación con los métodos base, que tendían a fragmentar o desbordar estos límites.

5. Significado e Impacto

El trabajo de CS-MUNet establece un nuevo paradigma en el modelado SSM para la segmentación médica.

• Paradigma Técnico: Demuestra que la integración arquitectónica de la conciencia de bordes y la colaboración de canales dentro del mecanismo de estado (SSM) es superior a las estrategias de supervisión externa o paralelismo simple.
• Aplicabilidad Clínica: Al abordar específicamente los desafíos de los órganos huecos y mantener una alta eficiencia computacional, el modelo tiene un gran potencial para su despliegue en flujos de trabajo clínicos reales que requieren tanto precisión diagnóstica como velocidad de procesamiento.
• Dirección Futura: El artículo sugiere que el modelado conjunto de semántica espacial y dependencias anatómicas inter-canal es la dirección correcta para superar las limitaciones actuales de los métodos basados en Mamba en tareas complejas de segmentación.