Reducing Annotation Burden for Femoral Cartilage Segmentation in Knee MRI via Cross-Sequence Transfer Learning

Resumen Técnico: Reducción de la Carga de Anotación para la Segmentación del Cartílago Femoral en RM de Rodilla mediante Aprendizaje por Transferencia entre Secuencias

Planteamiento del Problema
La segmentación precisa del cartílago femoral en imágenes por resonancia magnética (RM) de rodilla es crítica para cuantificar la progresión de la osteoartritis. Si bien el aprendizaje profundo (DL) ha mejorado la eficiencia de la segmentación, la mayoría de los modelos existentes se entrenan y evalúan en una única secuencia de RM, predominantemente la secuencia de estado estacionario de doble eco (DESS) de la Iniciativa de Osteoartritis (OAI). Sin embargo, la práctica clínica utiliza frecuentemente otras secuencias, como la eco de espín rápido 3D ponderada en densidad protónica (Cube), que ofrecen diferentes contrastes tisulares y resoluciones espaciales. La aplicación directa de modelos entrenados en una secuencia a otra a menudo resulta en una degradación del rendimiento. Reentrenar modelos desde cero en secuencias objetivo requiere grandes volúmenes de datos anotados manualmente, un proceso laborioso y a menudo inviable debido a la escasez de conjuntos de datos clínicos etiquetados. El desafío central abordado es determinar si el aprendizaje por transferencia entre secuencias puede lograr un rendimiento de segmentación comparable al entrenamiento en la misma secuencia, reduciendo significativamente el número de anotaciones necesarias en el dominio objetivo.

Metodología
El estudio empleó un diseño retrospectivo utilizando dos conjuntos de datos: 507 imágenes DESS de la OAI y 44 imágenes Cube adquiridas en el IRCCS Istituto Ortopedico Rizzoli. La cohorte Cube se emparejó con la cohorte OAI basándose en edad, sexo, índice de masa corporal (IMC), lateralidad y grado de Kellgren–Lawrence (KLG), estratificada en subgrupos sin lesiones y con lesiones.

• Arquitectura: Se implementó una U-Net 2D modificada. La arquitectura presentaba un codificador con cuatro niveles de resolución (de 64 a 512 canales) y un cuello de botella (1024 canales), seguido de un decodificador con conexiones de salto. Las modificaciones incluyeron reemplazar las convoluciones válidas por convoluciones con relleno idéntico para preservar las dimensiones espaciales, añadir normalización por lotes e introducir regularización por dropout.
• Estrategia de Entrenamiento:
  1. Optimización: Los hiperparámetros (función de pérdida, tasa de aprendizaje, tamaño de lote, dropout) y los parámetros de aumento de datos se optimizaron utilizando un Estimador Parzen Estructurado en Árbol (Optuna) en el conjunto de datos completo DESS de la OAI.
  2. Líneas Base de la Misma Secuencia: Los modelos se entrenaron desde cero en subconjuntos de imágenes DESS y Cube utilizando validación cruzada a nivel de sujeto (70% entrenamiento, 20% validación, 10% prueba) para establecer líneas base de rendimiento.
  3. Aprendizaje por Transferencia entre Secuencias: Los modelos preentrenados se ajustaron finamente en la secuencia objetivo. El codificador se congeló para preservar las características de bajo nivel, mientras que el cuello de botella y el decodificador se actualizaron. El ajuste fino utilizó una tasa de aprendizaje reducida ($1 \times 10^{-5}$) y tamaños de lote más pequeños.
• Análisis de Convergencia: Para determinar la carga mínima de anotación, el tamaño del conjunto de entrenamiento para el dominio objetivo se incrementó gradualmente (de 1 al máximo disponible) manteniendo fijos los conjuntos de validación y prueba. La convergencia se definió como una mejora absoluta inferior a 0,003 en el Coeficiente de Similitud Dice (DSC) sobre cuatro incrementos consecutivos.
• Evaluación: El rendimiento se midió utilizando DSC y Distancia Promedio de Superficie (ASD). La significancia estadística respecto a los efectos de las lesiones se evaluó mediante pruebas U de Mann–Whitney de dos colas con corrección de Bonferroni.

Contribuciones y Resultados Clave
El estudio demuestra que el aprendizaje por transferencia entre secuencias puede reducir sustancialmente los requisitos de anotación, aunque el rendimiento depende en gran medida de la dirección de la transferencia y de las características específicas de la secuencia de RM.

• Rendimiento de la Misma Secuencia: El entrenamiento en DESS produjo una mayor precisión (DSC: 0,900) en comparación con Cube (DSC: 0,830), probablemente debido al superior contraste cartílago-fondo en las imágenes DESS.
• Direccionalidad de la Transferencia:
  • Cube a DESS: El aprendizaje por transferencia desde Cube (fuente) a DESS (objetivo) logró un DSC de 0,903, igualando la línea base DESS de la misma secuencia (0,900). Esta meseta de rendimiento se alcanzó con solo 9 sujetos de entrenamiento del dominio objetivo.
  • DESS a Cube: La transferencia desde DESS (fuente) a Cube (objetivo) resultó en un DSC más bajo (0,802) en comparación con la línea base Cube de la misma secuencia (0,830). Esta dirección requirió 24 sujetos del dominio objetivo para alcanzar una meseta de rendimiento, lo que indica que la transferencia de conocimiento desde secuencias de alto contraste hacia secuencias de bajo contraste es menos eficiente.
• Impacto de las Lesiones: La presencia de lesiones del cartílago femoral no afectó significativamente la precisión de la segmentación en DESS (P ≥ .39). Sin embargo, las lesiones redujeron significativamente la precisión en las secuencias Cube (DSC 0,805 frente a 0,856 en no lesionadas; P < .001), lo que sugiere que la degradación del rendimiento relacionada con las lesiones depende de la secuencia.
• Eficiencia de Anotación: El estudio cuantificó que menos de 10 sujetos del dominio objetivo anotados manualmente son suficientes para lograr un rendimiento comparable al entrenamiento en la misma secuencia al transferir desde Cube a DESS.

Significado y Afirmaciones
Los autores afirman que el aprendizaje por transferencia entre secuencias es una estrategia viable para mitigar la carga de anotación en el desarrollo de modelos de segmentación de cartílago femoral a través de diferentes protocolos de RM institucionales. Los hallazgos destacan que:

1. La dirección importa: Transferir desde una secuencia de menor contraste (Cube) hacia una de mayor contraste (DESS) es más efectivo que la inversa, probablemente porque las capas de cuello de botella y decodificador pueden refinar eficazmente las características al ajustarse finamente en datos con buen contraste.
2. Dependencia de la secuencia: El impacto de las lesiones del cartílago en la precisión de la segmentación varía según la secuencia, mostrando DESS robustez donde Cube tiene dificultades.
3. Utilidad práctica: Al aprovechar el aprendizaje por transferencia, las instituciones pueden desarrollar modelos de segmentación precisos para sus protocolos específicos utilizando un número mínimo de casos etiquetados manualmente (por ejemplo, <10 sujetos), en lugar de requerir un reentrenamiento a gran escala.

El artículo concluye con modestia, señalando limitaciones como el uso de una U-Net 2D con reconstrucción 3D, el enfoque exclusivo en el cartílago femoral y la restricción a escáneres de 3 T, sugiriendo que la generalización a 1,5 T y arquitecturas 3D requiere mayor investigación.