A Multi-Stage Optimization Pipeline for Bethesda Cell Detection in Pap Smear Cytology

Resumen Técnico: Pipeline de Optimización Multi-Estadio para la Detección de Células Bethesda en Citología de Frotis Cervical (Pap)

1. Problema

El cáncer de cuello uterino es una de las principales causas de muerte en mujeres a nivel mundial. Aunque el tamizaje mediante frotis cervicouterino (Pap) es fundamental, su eficacia depende actualmente de la interpretación manual, un proceso laborioso, propenso a la fatiga y a la variabilidad interobservador.
El desafío principal en la automatización de esta tarea mediante visión por computadora es la generalización robusta en entornos citológicos complejos. Esto se debe a la falta de conjuntos de datos a gran escala que reflejen la diversidad biológica clínica. Para abordar esto, se introdujo el conjunto de datos RIVA, que sirve como estándar para el desarrollo de algoritmos de detección. El objetivo específico de este trabajo (Track B del Reto de Citología Riva) es la localización precisa de células mediante bounding boxes, evaluada mediante la métrica mAP50-95 (Precisión Media Promedio entre umbrales de IoU de 0.50 a 0.95).

2. Metodología

Los autores proponen un marco de trabajo híbrido que combina arquitecturas de detección directa (YOLO) y regresión de mapas de calor (U-Net), seguido de un pipeline de refinamiento en tres etapas.

A. Pre-procesamiento y Entrenamiento de Modelos Base:

• Ajuste de Anotaciones: Se modificaron las anotaciones originales de 100×100 píxeles (que no reflejaban la morfología real) a dimensiones fijas variables (de 10×10 a 120×120), preservando el centro. Se identificó que las escalas 20×20 y 50×50 eran óptimas para YOLO.
• Modelos YOLOv8: Se entrenaron variantes Nano, Small y Medium. Se priorizó la recuperación (recall) alta, ya que es más costoso perder una célula que generar falsos positivos. Se utilizó aumento de datos en tiempo de inferencia (TTA).
• Modelo U-Net: Se utilizó una arquitectura U-Net con backbone ResNet34 pre-entrenado en ImageNet. Funciona como un regresor de mapas de calor (Gaussianos 2D) para predecir los centros de las células. Aunque tiene menor recall que YOLO, ofrece una precisión significativamente mayor.

B. Estrategia de Ensemble (Conjunto de Modelos):

• Primera Etapa: Fusión de dos modelos YOLOv8n (entrenados con cajas de 20×20 y 50×50). Las detecciones coincidentes (distancia euclidiana < 12 píxeles) se promedian; las únicas se mantienen si superan un umbral de confianza de 0.35.
• Segunda Etapa: Integración del ensemble de YOLO con las predicciones del U-Net. Se promedian coordenadas y confianza para coincidencias espaciales. Se establece un umbral de confianza de 0 para las predicciones únicas, reteniendo todas las detecciones individuales de ambos sistemas para maximizar la cobertura.

C. Pipeline de Optimización (Refinamiento Final):
Para eliminar ruido de fondo y mejorar la precisión, se aplicaron tres pasos secuenciales:

1. Supresión de Máximos No Máximos (NMS): Se aplicó con un umbral de IoU de 0.75 (más permisivo que el estándar de 0.5) para evitar fusionar células adyacentes densas y mantener candidatos que puedan tener un alto IoU en diferentes umbrales de evaluación (0.50-0.95).
2. Filtrado por Densidad Espacial: Las imágenes se dividen en una cuadrícula 4×4.
   • En cuadrantes de alta densidad (≥30 detecciones), se aplica un umbral de confianza de 0.1 para reducir falsos positivos generados por la incertidumbre del modelo.
   • En cuadrantes de baja densidad (<30 detecciones), el umbral se relaja a 0.001 para no descartar células anormales aisladas.
3. Refinamiento con Clasificador Binario: Para las predicciones de muy baja confianza (<0.01), se entrenó un clasificador binario (EfficientNet-B0) mediante hard negative mining. Este clasificador distingue entre morfología celular legítima y artefactos de fondo, filtrando falsos positivos residuales.

3. Contribuciones Clave

• Arquitectura Híbrida: Demostración efectiva de combinar la alta sensibilidad de los detectores YOLO con la alta precisión de los modelos de regresión de mapas de calor (U-Net).
• Estrategia de Ensemble Adaptativa: Un método de fusión que promedia predicciones coincidentes pero retiene todas las predicciones únicas (con umbral de confianza cero en la fusión final) para asegurar que no se pierda ninguna célula potencial.
• Pipeline de Post-procesamiento Inteligente: Implementación de un filtro basado en densidad espacial y un clasificador binario final para mitigar falsos positivos sin sacrificar la sensibilidad crítica en entornos médicos.
• Optimización Específica para la Métrica: Ajuste fino de los umbrales de NMS y confianza para maximizar específicamente el mAP50-95, en lugar de métricas estándar como F1 o mAP50.

4. Resultados

El sistema se evaluó en el conjunto de validación del dataset RIVA (131 imágenes):

• Rendimiento Individual:
  • El modelo YOLOv8n (50×50) logró la mayor sensibilidad (Recall: 0.9937) pero con muchos falsos positivos (37,398 FP).
  • El modelo U-Net tuvo el menor recall (0.7983) pero la mejor precisión (0.694) y el mejor F1-score individual (0.7425).
• Rendimiento del Ensemble Final:
  • La combinación optimizada alcanzó un mAP50-95 de 0.6232 en el conjunto de validación.
  • En la competencia oficial, el equipo obtuvo el segundo lugar con una puntuación de 0.5909.
• Análisis de Compensación (Trade-off): Se observó que optimizar para mAP50-95 requiere mantener umbrales de confianza bajos, lo que incrementa los falsos positivos. Sin embargo, un aumento modesto en el umbral de confianza mejora drásticamente la precisión con una reducción marginal en el mAP, lo cual podría ser más útil clínicamente.

5. Significado

Este trabajo demuestra que la integración de múltiples arquitecturas de deep learning, combinada con estrategias de post-procesamiento adaptadas a la densidad celular y a la morfología, puede superar los desafíos de la detección en citología.

• Impacto Clínico: Aunque el modelo optimizado para la competencia prioriza la localización espacial (mAP), los autores destacan que en la práctica clínica, un modelo con mayor precisión (menos falsos positivos) podría ser preferible para asistir al diagnóstico, incluso si implica una ligera reducción en la métrica de competencia.
• Reproducibilidad: El código y la implementación están disponibles públicamente, facilitando la investigación futura en el campo de la citología digital.

En conclusión, el pipeline propuesto ofrece un enfoque robusto y de alto rendimiento para la detección automatizada de células en frotis cervicales, estableciendo un nuevo estándar para la participación en desafíos de citología computacional.