Resumen Técnico: Polygon-mamba para la Segmentación de Vasos Retinianos

Enunciado del Problema

La segmentación de vasos retinianos es una tarea crítica para el diagnóstico y la evaluación de enfermedades oculares. Sin embargo, la segmentación precisa de vasos retinianos pequeños sigue siendo un desafío significativo debido a varios factores:

• Bajo Contraste: El contraste débil entre los vasos y su entorno dificulta la diferenciación.
• Topología Compleja: Los vasos exhiben patrones intrincados e interconectados con variaciones significativas de escala.
• Limitaciones de los Modelos Existentes:
  • CNN: Aunque son competentes en capturar detalles locales, a menudo luchan con dependencias de largo alcance.
  • Transformers: Efectivos para la semántica global, pero computacionalmente costosos.
  • Modelos basados en Mamba: Si bien ofrecen complejidad de tiempo lineal para dependencias de largo alcance, las arquitecturas tradicionales de Mamba que dependen de escaneos horizontal y vertical pueden comprometer la integridad topológica de las estructuras anatómicas. Esto a menudo conduce a discontinuidades locales y detecciones perdidas en capilares retinianos delgados y pequeños.
  • Mecanismos de Atención: Muchos métodos existentes dependen únicamente de la atención espacial, pasando por alto potencialmente información crítica del dominio de la frecuencia necesaria para capturar detalles finos y correlaciones globales.

Metodología

Los autores proponen Polygon-mamba, una red de fusión híbrida CNN-Mamba diseñada para abordar los desafíos específicos de la detección de vasos pequeños. La arquitectura integra dos módulos novedosos en un marco UNet:

1. Modelo de Espacio de Estados Visuales con Escaneo Poligonal (PS-VSS)

Para superar la fragmentación topológica causada por el escaneo horizontal/vertical estándar en los modelos Mamba, los autores introducen una estrategia de Escaneo Poligonal dentro del Modelo de Espacio de Estados Visuales (SS2D).

• Mecanismo: En lugar de escaneos lineales, el modelo inicia desde un punto central y se expande hacia afuera a lo largo de caminos poligonales (por ejemplo, pentagonales, hexagonales).
• Escaneo Inverso Multicapa: La dirección de escaneo alterna entre capas (por ejemplo, Capa $M$ vs. Capa $M+1$), creando un efecto de escaneo inverso que cubre sistemáticamente el mapa de características.
• Objetivo: Este enfoque preserva la conectividad a nivel de píxel y modela mejor las características topológicas curvas, ramificadas y delgadas de los vasos retinianos, asegurando una representación estructural continua.

2. Mecanismo de Atención Colaborativa Espacio-Frecuencia (SFCAM)

Integrado en las conexiones de salto, este módulo aprovecha la naturaleza complementaria de los dominios espacial y de frecuencia.

• Arquitectura de Tres Ramas:
  • Rama Local: Extrae características multiescala (utilizando convoluciones $1\times1$, $3\times3$, $5\times5$) para capturar detalles gruesos y finos de los vasos.
  • Rama Global: Utiliza el módulo PS-VSS para capturar dependencias de largo alcance y contexto global.
  • Rama Transformadora de Wavelet (WT): Descompone las características en componentes de baja frecuencia (morfología, topología) y alta frecuencia (bordes, ramas pequeñas, textura) utilizando la Transformada Discreta de Wavelet.
• Fusión de Atención Cruzada Bidireccional (BCFM): Este submódulo alinea las discrepancias semánticas entre las características espaciales y de frecuencia. Emplea una estrategia de intercambio de consultas para construir una atención cruzada bidireccional, permitiendo que el modelo seleccione y fusione dinámicamente características de las ramas local/alta frecuencia y global/baja frecuencia.
• Objetivo: Mejorar adaptativamente las características prominentes de los vasos mientras suprime el desorden, recuperando efectivamente vasos pequeños y contornos de bordes.

Contribuciones Clave

El artículo describe cuatro contribuciones principales:

1. Modelo Polygon-mamba: Un marco de segmentación novedoso diseñado específicamente para la detección precisa de vasos retinianos pequeños, aumentando sustancialmente la precisión de segmentación.
2. Módulo PS-VSS: Una tecnología de escaneo innovadora que utiliza caminos poligonales para extraer eficientemente información semántica y capturar características globales, abordando los problemas de continuidad de los escaneos Mamba tradicionales.
3. Módulo SFCAM: Un mecanismo que extrae características eficientes de los dominios espacial y de frecuencia, permitiendo que el modelo destaque objetos objetivo y suprima el ruido.
4. Esquema UNet Integrado: La integración exitosa de PS-VSS y SFCAM en una arquitectura UNet para generar un esquema de segmentación eficiente que equilibra el modelado global con la preservación de detalles locales.

Resultados Experimentales

El modelo fue evaluado en tres conjuntos de datos públicos: DRIVE, STARE y CHASE DB1.

Rendimiento Cuantitativo

El método propuesto superó a los modelos más avanzados (incluyendo Mamba-UNet, FSE-Mamba, Rolling-UNet y KM-UNet) en métricas clave:

• DRIVE: Puntuación F1: 0.8288, AUC: 0.9808, Sensibilidad (SE): 0.8356.
• STARE: Puntuación F1: 0.8282, AUC: 0.9840, SE: 0.8314.
• CHASE DB1: Puntuación F1: 0.8251, AUC: 0.9866, SE: 0.8484.

Cabe destacar que el modelo logró los valores de SE más altos en todos los conjuntos de datos, lo que indica una capacidad superior para detectar muestras positivas (vasos), particularmente las pequeñas y tenues. Aunque la Especificidad (SP) fue ligeramente inferior a la de algunos competidores en ciertos casos, los autores atribuyen esto a la mayor sensibilidad del modelo hacia vasos finos, lo cual puede aumentar las clasificaciones erróneas de fondo pero mejora significativamente la recuperación.

Estudios de Ablación y Comparativos

• Eficacia del Módulo: Los estudios de ablación confirmaron que agregar PS-VSS y SFCAM secuencialmente mejoró la IOU, F1 y SE en todos los conjuntos de datos. Por ejemplo, en CHASE DB1, SFCAM aumentó la SE en un 9.45% en comparación con la línea base más PS-VSS.
• Estrategia de Escaneo: Los experimentos que compararon diferentes formas poligonales (Triángulo, Cuadrilátero, Pentágono, Hexágono, Octágono) revelaron que el método de escaneo Pentágono obtuvo el mejor rendimiento general en DRIVE y CHASE DB1, mientras que el Hexágono funcionó bien en STARE. La estrategia de Pentágono fue seleccionada como la opción óptima para el modelo final.
• Complejidad: El modelo tiene 68.32M de parámetros y 2.53G de FLOPs. Aunque es mayor que algunos modelos ligeros, es significativamente más eficiente que métodos de alta complejidad como MCDAU-Net y MDF-Net, logrando una compensación favorable entre rendimiento y costo computacional.

Significado y Afirmaciones

Los autores afirman que Polygon-mamba representa un avance significativo en la segmentación de vasos retinianos al abordar directamente las discontinuidades topológicas inherentes a las arquitecturas Mamba estándar.

• Integridad Topológica: Al utilizar el escaneo poligonal, el modelo preserva con éxito la continuidad de estructuras vasculares complejas, un punto de falla común en enfoques anteriores basados en Mamba.
• Extracción de Características de Doble Dominio: La integración de la atención espacio-frecuencia permite que el modelo capture tanto el contexto estructural global como los detalles locales finos (bordes, ramas pequeñas) que a menudo se pierden en modelos puramente espaciales.
• Detección de Vasos Pequeños: El significado principal radica en la capacidad del modelo para detectar vasos pequeños y de bajo contraste con alta sensibilidad, superando a los métodos existentes en inspección visual y métricas cuantitativas.

El artículo concluye que, si bien el modelo logra un rendimiento superior, el trabajo futuro se centrará en mejorar la Especificidad (supresión de ruido) y explorar métodos tradicionales de reconocimiento de patrones para refinar aún más el manejo del ruido sin comprometer la detección de vasos pequeños.