Resumen Técnico: SAMamba3D

Enunciado del Problema

La segmentación fiable de imágenes de microtomografía computarizada de rayos X a escala de poro multiphase es esencial para cuantificar la saturación de fluidos, la conectividad y la geometría interfacial en medios porosos. Sin embargo, los métodos actuales de segmentación 3D suelen ser específicos de un conjunto de datos, requiriendo reentrenamiento o ajuste fino extensivo cada vez que cambian el tipo de roca, la configuración de fluidos, el hardware del escáner o las condiciones de adquisición. Aunque los modelos fundacionales como el Segment Anything Model (SAM) ofrecen priores de contorno 2D sólidos, no son directamente aplicables a datos 3D a escala de poro debido a la naturaleza monocromática de las imágenes, el bajo contraste, los artefactos de reconstrucción y la necesidad crítica de continuidad volumétrica. Los enfoques existentes a menudo fallan en preservar estructuras de poros conectadas, capas de mojabilidad delgadas y la topología interfacial al aplicarse en dominios diversos.

Metodología

Conjunto de Datos y Preprocesamiento

El estudio utiliza un conjunto de datos curado de múltiples fuentes que comprende muestras de arenisca, carbonato y paquetes de cuentas de vidrio con diversos sistemas de fluidos (petróleo–salmuera, scCO2–salmuera, H2–salmuera), estados de mojabilidad y resoluciones de escáner. Para abordar los desplazamientos de dominio sin fugas de información, los autores emplean una tubería de preprocesamiento que incluye:

1. Denoising: Filtrado de medias no locales (NLM) para suprimir el ruido mientras se preservan los bordes.
2. Alineación de Intensidad basada en Percentiles: Alinear los volúmenes de origen a un rango de referencia fijo derivado exclusivamente de los datos de entrenamiento.
3. Estandarización Global: Estandarizar los volúmenes utilizando la media global y la desviación estándar calculadas a partir de la partición de entrenamiento.

Arquitectura SAMamba3D

SAMamba3D es un marco eficiente en parámetros diseñado para adaptar un codificador SAM en gran medida congelado a datos volumétricos 3D acoplando con una rama basada en Mamba para el modelado estructural global. La arquitectura consta de cinco módulos:

1. Codificador SAM Adaptado a 3D: Extiende la columna vertebral 2D de SAM a 3D utilizando incrustaciones de parches finos de $4 \times 4 \times 4$ (para capturar capas de mojabilidad delgadas), Adaptación de Bajo Rango (LoRA) para un ajuste eficiente de parámetros y codificación de posición consciente de la anisotropía.
2. Rama Mamba Jerárquica: Una rama de modelo de espacio de estados que extrae contexto volumétrico multiescala ($s_0$ a $s_3$) y genera descriptores globales y mapas de importancia espacial.
3. Fusión Adaptativa de Escalas Cruzadas: Permite la interacción bidireccional entre las ramas SAM y Mamba. Las capas tempranas utilizan inyección unidireccional (Mamba a SAM), mientras que las capas más profundas permiten un intercambio bidireccional. Un mecanismo de puerta procesa selectivamente regiones de alta importancia (interfaz) con atención completa mientras utiliza vías ligeras para regiones de baja información.
4. Controlador Mamba: Transforma las características globales de Mamba en parámetros de modulación (FiLM) para condicionar el decodificador.
5. Decodificador Multiescala Modulado por FiLM: Fusiona progresivamente características de la rama SAM, conexiones residuales de Mamba y señales de condicionamiento global para producir la segmentación final.

Función de Pérdida y Entrenamiento

Para abordar el desequilibrio de clases y la incertidumbre cerca de los límites de fase, los autores proponen una pérdida compuesta consciente del límite que comprende:

• Pérdida Dice Ponderada: Maneja el desequilibrio de clases.
• Pérdida Tversky: Penaliza más severamente las estructuras pequeñas perdidas que los vóxeles espurios.
• Pérdida Focal Ponderada por Confianza: Enfoca la optimización en vóxeles difíciles mientras reduce el peso de las etiquetas de límite inciertas basándose en la distancia al límite de anotación manual más cercano.

El entrenamiento sigue una estrategia progresiva de descongelamiento en dos etapas:

• Etapa A (Calentamiento): Solo se entrenan los componentes específicos de 3D (rama Mamba, adaptadores, decodificador); la columna vertebral de SAM permanece congelada.
• Etapa B (Adaptación): Las capas de SAM (LayerNorm, LoRA, adaptadores) se descongelan para permitir una adaptación gradual al dominio volumétrico.

Contribuciones Clave

1. Adaptación Eficiente en Parámetros: Introducción de un método para adaptar el codificador SAM congelado a la segmentación micro-CT multiphase a escala de poro 3D utilizando LoRA y módulos 3D ligeros, evitando el reentrenamiento completo.
2. Fusión de Contexto Volumétrico: Desarrollo de una arquitectura híbrida que combina representaciones locales conscientes del límite (SAM) con un razonamiento estructural más amplio (Mamba) a través de una interacción bidireccional de escalas cruzadas.
3. Generalización y Fidelidad Física: Evaluación del método no solo en precisión de segmentación (Dice/IoU), sino también en la preservación de descriptores físicos aguas abajo (porosidad, saturación, número de Euler, ángulo de contacto, curvatura) en conjuntos de datos no vistos.

Resultados

• Precisión vs. Eficiencia: SAMamba3D logró una puntuación media Dice de 0.94 en conjuntos de datos de prueba no vistos (arenisca Bentheimer y carbonato Estaillades), superando a líneas base como U-Net, nnU-Net, UNETR, SwinUNETR y U-Mamba. Cabe destacar que redujo el costo computacional en casi 40 veces en comparación con nnU-Net (16 GFLOPs frente a 622 GFLOPs) mientras mejoraba la precisión en un 15%.
• Preservación de Descriptores Físicos: En arenisca Bentheimer mojada por agua, el modelo corrigió errores topológicos en la segmentación de la línea base, arrojando un número de Euler de salmuera de –1384 (indicando una red conectada) en comparación con +1931 para la línea base (indicando fragmentación). Esto se alinea con la física esperada de sistemas mojados por agua.
• Generalización Transversal de Dominios: Sin reentrenamiento o ajuste fino, el modelo segmentó con éxito diversos conjuntos de datos no vistos, incluyendo:
  • Diferentes Tipos de Roca: Desde areniscas homogéneas hasta carbonatos heterogéneos con microporosidad.
  • Diferente Mojabilidad: Condiciones mojadas por agua, mojabilidad mixta y mojadas por petróleo, capturando correctamente las morfologías de fluidos (por ejemplo, salmuera en esquinas para mojabilidad por agua, petróleo en esquinas para mojabilidad por petróleo).
  • Diferentes Fluidos: Se generalizó con éxito a sistemas scCO2–salmuera y H2–salmuera, que tienen estadísticas de escala de grises distintas y bajo contraste en comparación con los datos de entrenamiento de petróleo–salmuera.
• Refinamiento de Interfaz: El modelo demostró una capacidad superior para resolver capas de mojabilidad delgadas y geometrías interfaciales complejas, resultando en distribuciones de curvatura y ángulo de contacto más consistentes con las expectativas físicas de mojabilidad mixta que los métodos de línea base.

Significado y Afirmaciones

El artículo afirma que la segmentación micro-CT multiphase a escala de poro puede tratarse como un problema de adaptación de modelo fundacional reutilizable en lugar de una tarea de entrenamiento específica de un conjunto de datos. Los autores afirman que SAMamba3D proporciona una ruta viable hacia una segmentación escalable y físicamente fiable que:

• Reduce la Dependencia del Reentrenamiento: Elimina la necesidad de reentrenamiento específico de casos cuando cambian el tipo de roca, el fluido o las condiciones del escáner.
• Preserva el Significado Físico: Genera segmentaciones que mantienen descriptores físicamente significativos (conectividad, morfología de interfaz) esenciales para la extracción de redes de poros y la simulación de flujo.
• Ofrece Eficiencia Computacional: Entrega precisión de última generación con costos de inferencia significativamente más bajos en comparación con las líneas base 3D reentrenadas completamente.

Los autores reconocen limitaciones, señalando que el rendimiento puede degradarse en litologías subrepresentadas (por ejemplo, pizarras ricas en materia orgánica) y que el marco actual no codifica restricciones físicas explícitas (por ejemplo, consistencia de Young–Laplace) ni maneja imágenes 4D resueltas en el tiempo. Sin embargo, concluyen que este enfoque reduce sustancialmente la dependencia del análisis a escala de poro de la corrección manual y el desarrollo repetido de modelos.