CBAM-Enhanced DenseNet121 for Multi-Class Chest X-Ray Classification with Grad-CAM Explainability

Resumen Técnico: CBAM-DenseNet121 para Clasificación Multiclase de Radiografías de Tórax

1. Planteamiento del Problema

La neumonía sigue siendo una causa principal de mortalidad infantil en todo el mundo, con una carga desproporcionada en países de bajos recursos como Bangladesh, donde existe una escasez crítica de radiólogos. Aunque la inteligencia artificial ha demostrado ser efectiva en la detección binaria de neumonía (Normal vs. Neumonía), la mayoría de los enfoques existentes ignoran una distinción clínica crucial: la diferencia entre neumonía bacteriana y neumonía viral.

• Importancia clínica: La neumonía bacteriana requiere tratamiento con antibióticos, mientras que la viral se maneja con cuidados de soporte. La confluencia de ambas en un solo modelo binario puede llevar a prescripciones innecesarias de antibióticos, exacerbando la resistencia antimicrobiana.
• Barreras de adopción: Además de la precisión, existe la necesidad de modelos interpretables (explicables) para generar confianza en los profesionales de la salud.

2. Metodología

El estudio propone un marco de aprendizaje por transferencia llamado CBAM-DenseNet121, diseñado para la clasificación en tres clases: Normal, Neumonía Bacteriana y Neumonía Viral.

• Arquitectura del Modelo:
  • Backbone: Se utiliza DenseNet121 preentrenado en ImageNet.
  • Módulo CBAM (Convolutional Block Attention Module): Se integra después del mapa de características final de DenseNet121. Este módulo opera en dos ejes:
    1. Atención de Canal: Identifica qué mapas de características son más relevantes.
    2. Atención Espacial: Localiza dónde dentro de esos mapas se deben enfocar los recursos.
  • Cabeza del Clasificador: Incluye capas de GlobalAveragePooling, BatchNormalization, capas densas con activación ReLU y Dropout, finalizando con una capa Softmax de 3 salidas.
• Estrategia de Entrenamiento (Dos Fases):
  1. Fase 1: La base de DenseNet121 se congela; solo se entrenan el módulo CBAM y la cabeza del clasificador (15 épocas).
  2. Fase 2: Se desbloquean las últimas 30 capas de DenseNet121 para un ajuste fino selectivo (20 épocas) con una tasa de aprendizaje más baja.
• Validación Estadística: Para garantizar la robustez, todos los experimentos se repitieron tres veces con semillas aleatorias independientes (42, 7, 123). Los resultados se reportan como media ± desviación estándar.
• Explicabilidad: Se utiliza Grad-CAM para visualizar las regiones de la imagen en las que el modelo se está "fijando", asegurando que las predicciones se basen en regiones pulmonares anatómicamente plausibles.

3. Contribuciones Clave

1. Marco de Clasificación de Tres Clases: Ofrece un resultado diagnóstico más accionable que los enfoques binarios tradicionales, diferenciando explícitamente entre etiologías bacterianas y virales.
2. Integración de CBAM: Mejora la discriminabilidad al permitir que el modelo suprima el ruido de fondo y se enfoque en opacidades patológicas específicas.
3. Hallazgo Negativo Práctico: Un estudio de línea base sistemático reveló que EfficientNetB3 (73.88%) tuvo un rendimiento inferior incluso a una CNN personalizada (78.53%) en esta tarea de imágenes en escala de grises. Esto sugiere que arquitecturas más grandes o recientes no siempre superan a modelos más simples en imágenes médicas sin preentrenamiento específico.
4. Robustez Estadística: Validación rigurosa mediante múltiples ejecuciones con diferentes semillas, confirmando la reproducibilidad de los resultados.
5. Interpretabilidad Clínica: Demostración mediante Grad-CAM de que el modelo atiende a regiones pulmonares consistentes con criterios radiológicos establecidos.

4. Resultados Experimentales

Los experimentos se realizaron en el conjunto de datos Kermany (Kaggle), reestructurado para incluir subclases virales y bacterianas.

• Rendimiento General (Tarea de 3 Clases):
  • Precisión: 84.29% ± 1.14%.
  • AUC Macro Promedio: 0.9454 ± 0.0013.
  • Estabilidad: La baja desviación estándar en todas las métricas confirma un entrenamiento estable.
• Rendimiento por Clase (AUC):
  • Neumonía Bacteriana: 0.9565 ± 0.0010 (Excelente).
  • Normal: 0.9610 ± 0.0014 (Excelente).
  • Neumonía Viral: 0.9187 ± 0.0037 (Bueno). Nota: Es la clase más difícil de distinguir debido a la similitud visual con casos normales.
• Comparación de Línea Base (Tarea Binaria):
  • DenseNet121 fue el mejor modelo standalone (91.03% de precisión, AUC 0.9706).
  • EfficientNetB3 falló al superar a una CNN simple, destacando la importancia de la selección de arquitectura para imágenes médicas en escala de grises.
• Análisis de Grad-CAM: Las visualizaciones mostraron que el modelo se concentra en zonas de consolidación lobar para la neumonía bacteriana y en patrones intersticiales difusos para la viral, alineándose con el conocimiento médico.

5. Significado e Impacto

• Aplicabilidad en Recursos Limitados: El modelo opera en radiografías estándar (JPEG) sin hardware especializado, lo que lo hace ideal para entornos clínicos con pocos recursos como Bangladesh.
• Confianza Clínica: La integración de Grad-CAM proporciona una "traza de auditoría visual", permitiendo a los radiólogos verificar las decisiones de la IA, un paso crucial para la aceptación regulatoria y clínica.
• Guía para la Selección de Modelos: El hallazgo de que EfficientNetB3 no superó a una CNN simple sirve como una advertencia importante para la comunidad de investigación: en imágenes médicas, la complejidad arquitectónica no garantiza un mejor rendimiento si no se adapta al dominio específico (escala de grises, bajo contraste).

Limitaciones y Trabajo Futuro:
El estudio reconoce que los datos provienen de una sola institución pediátrica (limitando la generalización demográfica) y que las etiquetas virales/bacterianas se derivaron de metadatos de archivos en lugar de confirmación clínica independiente. El trabajo futuro se centrará en validar en conjuntos de datos más grandes (CheXpert, NIH) y realizar validación clínica prospectiva.