Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures

Título: Transformers Jerárquicos de Malla con Preentrenamiento Guiado por Topología para el Análisis Morfométrico de Estructuras Cerebrales

1. Problema y Motivación

El aprendizaje de representaciones en mallas volumétricas y superficiales no estructuradas a gran escala representa un desafío fundamental en la neuroimagen. Los enfoques actuales presentan limitaciones críticas:

• Ignorancia de características clínicas: Muchos modelos se centran únicamente en las coordenadas geométricas, omitiendo descriptores morfométricos a nivel de vértice (como grosor cortical, curvatura, profundidad de surcos y contenido de mielina) que contienen señales sutiles pero cruciales para el diagnóstico de enfermedades.
• Rigidez de topología: Las arquitecturas existentes suelen estar restringidas a un solo tipo de malla (superficial o volumétrica), lo que impide su uso transversal en diferentes pipelines de imagen.
• Ineficiencia computacional: Los métodos basados en grafos (GNN) o transformadores en puntos a menudo tienen costos computacionales cuadráticos o no aprovechan la estructura jerárquica inherente de las mallas médicas.

2. Metodología: OctEncoder

Los autores proponen OctEncoder, un marco unificado basado en transformers jerárquicos diseñado para el análisis de mallas heterogéneas. La arquitectura se compone de los siguientes componentes clave:

• Construcción de Octrees Conscientes de Simplex:
  • El sistema soporta tanto mallas tetraédricas (volumétricas) como triangulares (superficiales).
  • Construye múltiples octrees complementarios utilizando diferentes puntos representativos: centroides de tetraedros para capturar la geometría interior volumétrica y vértices de la malla para la superficie.
  • Los nodos se ordenan mediante una curva de relleno espacial (Z-order) para permitir particiones de ventanas eficientes y construcción paralela.
• Módulo de Fusión Geometría-Morfometría:
  • Un módulo de proyección de características mapea vectores de características clínicas variables (longitudinales) por vértice en la jerarquía espacial.
  • Esto permite integrar descriptores clínicos (ej. grosor cortical) junto con las coordenadas espaciales sin modificar la arquitectura del modelo, separando la estructura geométrica de la dimensionalidad de las características.
• Preentrenamiento Auto-supervisado (MAE):
  • Se utiliza una estrategia de Autoencoder enmascarado (MAE) adaptada a datos estructurados en octree.
  • Se enmascara una proporción fija de tokens del octree. El codificador procesa solo el subconjunto visible para producir representaciones latentes.
  • Un decodificador ligero reconstruye los tokens enmascarados, optimizando una pérdida híbrida que combina:
    1. Distancia de Chamfer: Para la reconstrucción de coordenadas geométricas.
    2. Pérdida MSE: Para la reconstrucción de las características morfométricas (clínicas).
  • Este preentrenamiento se realiza en grandes cohortes no etiquetadas, creando un backbone transferible.

3. Contribuciones Clave

1. Arquitectura Unificada: Un solo modelo capaz de manejar tanto mallas tetraédricas (volumétricas) como triangulares (superficiales) mediante la construcción de múltiples octrees y fusión ponderada.
2. Integración de Características Clínicas: Capacidad de incorporar descriptores morfométricos arbitrarios por vértice sin cambios arquitectónicos, separando la estructura espacial de los datos clínicos.
3. Pipeline de Preentrenamiento General: Un enfoque MAE que reconstruye simultáneamente geometría y morfometría, aprovechando la topología compartida entre sujetos para amortizar el costo de construcción estructural y lograr un aprendizaje de representaciones robusto.

4. Resultados Experimentales

El modelo se validó en tres tareas distintas utilizando diferentes conjuntos de datos:

• Clasificación de Alzheimer (ADNI - Mallas Tetraédricas):
  • Se evaluó en tareas binarias (AD vs. CN, MCI vs. CN, AD vs. MCI).
  • Resultados: OctEncoder superó consistentemente a las líneas base (ChebyNet, GAT, TetCNN). Logró una precisión del 90.7% en AD vs. CN y mejoró la precisión en un 4.7% en la tarea crítica MCI vs. CN (diferenciación de etapas tempranas) frente al segundo mejor modelo.
• Predicción de Amiloide (ADNI):
  • En el grupo de riesgo medio (donde la predicción es más ambigua), el modelo superó a los baselines basados solo en biomarcadores (volumen hipocampal y pTau-217).
  • La fusión de las características de la malla tetraédrica con pTau-217 alcanzó una precisión de 0.815, demostrando que la geometría de la malla captura señales patológicas no reflejadas en biomarcadores escalares.
• Segmentación de Displasia Cortical Focal (MELD - Mallas Triangulares):
  • Se evaluó la detección de lesiones epilépticas en superficies corticales.
  • Resultados: Superó significativamente al baseline "MELD Graph", aumentando el IoU de lesión de 0.30 a 0.51 y la sensibilidad a nivel de sujeto del 0.70 al 0.78.
• Segmentación Semántica 3D (ScanNet - Dominio No Médico):
  • Para probar la generalización, se evaluó en escenas interiores 3D.
  • Resultados: Logró el mIoU más alto (0.777) entre todos los métodos comparados (incluyendo OctFormer y Point Transformers), superando ligeramente a los modelos más avanzados con un costo computacional reducido.

5. Significado e Impacto

• Avance Clínico: OctEncoder demuestra que integrar la geometría 3D compleja con descriptores morfométricos clínicos mediante preentrenamiento auto-supervisado mejora significativamente la detección de patologías sutiles (como el Alzheimer en etapas prodrómicas o lesiones FCD).
• Eficiencia y Flexibilidad: Al utilizar una estructura de octree y preentrenamiento MAE, el modelo logra complejidad casi lineal y se adapta a diferentes modalidades de malla sin necesidad de reentrenar desde cero para cada tarea.
• Generalización: La capacidad de transferir el modelo desde neuroimagen médica (cerebro) hasta escenas 3D generales (ScanNet) valida su robustez como un backbone unificado para el análisis de mallas heterogéneas.

En conclusión, el trabajo presenta un marco unificado que cierra la brecha entre la representación geométrica avanzada y la utilidad clínica, estableciendo nuevos estándares de rendimiento en el análisis de estructuras cerebrales.