Sparse Representation Learning for Vessels

Resumen Técnico: VAEsselSparse para el Aprendizaje de Representaciones Dispersas de Vasos Sanguíneos

Enunciado del Problema
El análisis de la vasculatura humana y estructuras similares a vasos (por ejemplo, vías aéreas) a resolución submilimétrica es crítico para el diagnóstico clínico, la estratificación de riesgos y la planificación del tratamiento. Sin embargo, la extracción de estas redes a partir de modalidades de imagen genera grandes mapas de segmentación 3D. Aprender representaciones efectivas para tales datos volumétricos de alta resolución plantea desafíos computacionales significativos. Los métodos existentes a menudo dependen de suposiciones simplificadoras, como modelar los vasos como estructuras exclusivamente arbóreas, splines o grafos métricos, lo que sacrifica detalles geométricos 3D esenciales o limita el análisis a regiones pequeñas. Además, las estrategias estándar de aprendizaje de representaciones basadas en parches no logran capturar el contexto global de redes vasculares completas a nivel de órgano. Los enfoques convolucionales densos luchan contra el costo computacional de procesar volúmenes completos a nivel de órgano a altas resoluciones, mientras que a menudo pierden la conectividad estructural fina debido a efectos de promediado.

Metodología: VAEsselSparse
Los autores proponen VAEsselSparse, una arquitectura eficiente de codificador-decodificador diseñada para aprender representaciones compactas y significativas de redes vasculares 3D a gran escala y a nivel de órgano directamente a partir de máscaras de segmentación dispersas.

• Formulación Dispersa: A diferencia de las imágenes 3D densas, los mapas de segmentación vascular son inherentemente dispersos ($\|x\|_{\ell_0} \ll H \cdot W \cdot D$). VAEsselSparse representa la entrada no como una cuadrícula densa, sino como un conjunto disperso de coordenadas de vóxeles activos $C_x$ y sus vectores de características asociados, formando un tensor disperso $X = (C_x, F_x)$. Esto permite que el cálculo escale con el número de vóxeles activos en lugar del tamaño total del volumen.
• Arquitectura: El modelo emplea un marco de Autoencoder Variacional (VAE) que utiliza convoluciones dispersas y mecanismos de atención dispersa.
  • Codificador ($E_\phi$): La geometría local se extrae utilizando bloques residuales de CNN 3D dispersos (convoluciones que preservan la dispersión, normalización por grupos, ReLU). La resolución espacial se reduce mediante convoluciones dispersas con pasos (strided) para alcanzar la resolución latente objetivo. Para preservar la conectividad global que a menudo se pierde en la compresión agresiva, los vóxeles del cuello de botella se tratan como tokens con codificación posicional basada en coordenadas y se procesan a través de capas de autoatención dispersa con ventanas. Esto permite el flujo de información entre segmentos de vasos distantes mientras se mantienen costos computacionales manejables.
  • Decodificador ($D_\theta$): Espeja al codificador, refinando los tokens latentes con bloques transformadores dispersos antes de aumentar progresivamente la representación mediante convoluciones dispersas transpuestas y bloques residuales. La salida final es una reconstrucción probabilística mediante una activación sigmoide.
• Objetivo de Entrenamiento: El modelo se entrena con un objetivo VAE estándar que comprende un término de reconstrucción y un regularizador KL. Crucialmente, la pérdida de reconstrucción se calcula solo sobre la unión de los vóxeles activos de la verdad fundamental y el soporte de reconstrucción, evitando la supervisión densa sobre toda la cuadrícula.
• Compresión: La arquitectura logra una relación de compresión espacial de $8 \times 8 \times 8$ (y una relación de compresión volumétrica dependiente de la profundidad de canal), significativamente mayor que los VAE volumétricos anteriores, manteniendo al mismo tiempo la conectividad estructural.

Contribuciones Clave

1. Diseño de Arquitectura: Introducción de VAEsselSparse, un codificador-decodificador adaptado para estructuras vasculares 3D dispersas que combina convoluciones dispersas y atención dispersa para manejar redes a nivel de órgano a resolución submilimétrica sin suposiciones simplificadoras.
2. Rendimiento: Demostración de un rendimiento de reconstrucción superior en comparación con contrapartes densas y métodos anteriores, logrando una alta compresión espacial ($8 \times 8 \times 8$) mientras preserva la conectividad topológica.
3. Utilidad Terciaria: Validación de que el espacio latente aprendido retiene características discriminativas clínicamente relevantes, apoyando efectivamente tareas posteriores como la clasificación vascular (por ejemplo, detección de aneurismas/estenosis, subvariantes del Círculo de Willis) y sirviendo como espacio de incrustación para el modelado generativo para sintetizar vasculatura realista.

Resultados Experimentales
El método se evaluó en un conjunto de datos consolidado de vasos aéreos, cerebrales y pulmonares (resolución isotrópica de 0.5 mm) y conjuntos de datos de desafíos específicos (INSTED, TopCoW).

• Reconstrucción: VAEsselSparse superó a una línea base densa VAE (con conteos de parámetros similares) y a un MedVAE de última generación (que utilizó una compresión inferior de $4 \times 4 \times 4$) en métricas que incluyen Dice, clDice y números de Betti (errores topológicos). Específicamente, logró un clDice de 92.11 en comparación con 73.48 para el VAE denso a la misma compresión $8 \times 8 \times 8$, y superó significativamente a VesselGPT (clDice 1.64) en estructuras complejas.
• Clasificación: En conjuntos de datos no vistos (INSTED y TopCoW), el espacio latente permitió un rendimiento de clasificación sólido. Un MLP entrenado con características de VAEsselSparse logró una precisión equilibrada del 87.96% en INSTED (frente al 85.24% de ResNet y el 34.89% de VAE denso + PCA + RF). Las visualizaciones t-SNE confirmaron que los espacios latentes de VAEsselSparse forman agrupaciones distintas para las clases sanas, de aneurisma y de estenosis, mientras que los VAE densos no lograron separar estas clases.
• Modelado Generativo: Un U-Net de eliminación de ruido entrenado en el espacio latente de VAEsselSparse produjo muestras de vasos más realistas que uno entrenado en el espacio latente del VAE denso. Las métricas cuantitativas (Distancia Mínima de Emparejamiento, Cobertura, Precisión del Vecino Más Próximo 1) favorecieron a VAEsselSparse, atribuido a su espacio latente disperso y de baja dimensión, que mitiga problemas relacionados con la alta dimensionalidad y los tamaños de muestra limitados.

Significado y Afirmaciones
El artículo afirma que VAEsselSparse aborda una brecha crítica en los métodos existentes al permitir el aprendizaje de representaciones significativas para redes vasculares completas a nivel de órgano a resolución clínica (submilimétrica) sin depender de simplificaciones geométricas. Al aprovechar la dispersión inherente de las estructuras vasculares, el método logra una eficiencia computacional sustancial y compresión espacial. Los autores postulan que este enfoque que preserva la dispersión proporciona un camino práctico hacia un modelado escalable y clínicamente útil de la vasculatura de alta resolución, facilitando tanto la reconstrucción precisa como la síntesis de estructuras vasculares realistas para aplicaciones clínicas posteriores.