DiffSegLung: Diffusion Radiomic Distillation for Unsupervised Lung Pathology Segmentation

Resumen Técnico: DiffSegLung

Enunciado del Problema
La segmentación no supervisada de patologías pulmonares (enfisema, fibrosis, consolidación y lesiones quísticas) en tomografías computarizadas (TC) sigue siendo un desafío significativo. Esta dificultad surge de la escasez de cohortes anotadas de múltiples patologías y del desequilibrio de clases severo inherente a los datos médicos, lo que hace que los enfoques supervisados y semi-supervisados sean poco prácticos. Además, los métodos existentes de segmentación basados en difusión no aprovechan la señal cuantitativa de Unidades Hounsfield (UH), que distingue físicamente las clases de tejido. Los modelos de difusión previos para TC suelen entrenarse con imágenes normalizadas de 8 bits, descartando información cuantitativa crítica, y no incorporan descriptores radiómicos diseñados a mano para guiar el aprendizaje de representaciones.

Metodología: DiffSegLung
Los autores proponen DiffSegLung, un marco para la segmentación de patologías pulmonares totalmente no supervisada que introduce la Destilación Radiómica por Difusión. El marco opera en dos etapas:

1. Fase de Entrenamiento (Destilación Radiómica por Difusión):

   • Arquitectura: Un Modelo Probabilístico de Difusión para Eliminación de Ruido (DDPM) en espacio de píxeles 3D con una base U-Net se entrena con parches 3D nativos que preservan las UH.
   • Destilación Maestro-Alumno: En lugar de un maestro de red neuronal, el sistema utiliza un conjunto de descriptores radiómicos diseñados a mano y no diferenciables como un "maestro fundamentado en la física". Para cada parche, se extrae un vector radiómico de 34 dimensiones, que comprende estadísticas de GLCM, histogramas de LBP, respuestas de filtros de Gabor y estadísticas de primer orden de las UH.
   • Objetivo Contrastivo: Una cabeza de proyección radiómica ($\phi_r$) mapea el vector radiómico del maestro a un espacio de incrustación compartido, mientras que una cabeza de proyección del alumno ($\phi_s$) mapea las características del cuello de botella de la U-Net al mismo espacio. Una pérdida contrastiva InfoNCE alinea estas proyecciones: los pares de parches con alta similitud coseno radiómica se acercan, mientras que los pares disímiles se separan.
   • Programa de Calentamiento: Para evitar que la representación del cuello de botella colapse antes de establecer características de textura significativas, la pérdida de destilación se introduce gradualmente mediante un programa de calentamiento.
   • Preservación de Datos: El modelo se entrena con valores de UH nativos en lugar de imágenes normalizadas de 8 bits para preservar la información de densidad física.

2. Fase de Inferencia:

   • Extracción de Características: El codificador entrenado ($\epsilon_\theta$) se ejecuta utilizando un DPM-Solver durante 250 pasos. Las características del cuello de botella se registran en múltiples pasos de tiempo ($T = \{50, 100, 150, 200\}$).
   • Agrupamiento: Las características de múltiples pasos de tiempo se agregan y se pasan a través de la cabeza de proyección del alumno. Estas incrustaciones se agrupan utilizando un Modelo de Mezcla Gaussiana (GMM) con 5 componentes.
   • Asignación de Etiquetas: Las etiquetas de los grupos se asignan basándose en el valor medio de UH de cada grupo en comparación con umbrales clínicamente establecidos. Este es el único punto donde se aplica conocimiento del dominio; no se utilizan datos etiquetados.
   • Refinamiento de Límites: Un módulo de Fusión Sobel-Difusión refina los límites de la segmentación combinando la detección de bordes basada en gradientes (Sobel) con la superficie de decisión del grupo, seguido de una verificación de compatibilidad de UH consciente de la física para suprimir predicciones que caigan fuera de los rangos de UH esperados para la clase asignada.

Contribuciones Clave
El artículo describe tres contribuciones principales:

1. Destilación Maestro-Alumno Radiómica: El primer esquema que utiliza descriptores radiómicos diseñados a mano como maestro para el aprendizaje de representaciones por difusión, sin requerir anotaciones manuales.
2. Entrenamiento que Preserva las UH: Una estrategia de entrenamiento de DDPM 3D que retiene la información cuantitativa de las UH, produciendo representaciones de cuello de botella físicamente significativas.
3. Rendimiento Mejorado: Mejoras demostradas tanto en la coherencia de la segmentación no supervisada como en la fidelidad de generación en comparación con las líneas base anteriores.

Resultados Experimentales
El marco se evaluó en 190 cortes axiales anotados por expertos extraídos de cuatro cohortes heterogéneas de TC (BPCO, ILD, ILD-2 y Tuberculosis).

• Rendimiento de Segmentación: DiffSegLung superó a todas las líneas base no supervisadas (K-Means sobre radiómica, características de difusión únicamente y DAAM) en las cuatro clases de patología.
  • DSC General: Logró un 89.3% (media sobre cuatro clases), en comparación con el 81.6% de la siguiente mejor línea base (DAAM).
  • Rendimiento Específico por Clase: El modelo obtuvo puntuaciones DSC de 84.1% (Saludable), 86.4% (GGO), 76.2% (Fibrosis) y 8.6% (Enfisema). Los autores señalan que el enfisema sigue siendo la clase más desafiante debido a su superposición de UH con el parénquima saludable ($-950$a$-700$ UH), lo que limita la separabilidad incluso con la destilación radiómica.
  • Precisión de Límites: El método logró un HD95 medio de 8.6, significativamente menor (mejor) que las líneas base, atribuido al refinamiento de la Fusión Sobel-Difusión.
• Calidad de Generación: DiffSegLung mejoró la fidelidad de generación sobre modelos de difusión de TC anteriores (LungDDPM+ y MedVAE).
  • FID: Reducido de 31.7 (LungDDPM+) a 18.4.
  • SSIM/PSNR: Mejorado a 0.891 y 31.8, respectivamente.
  • Estudio de Ablación: Confirmó que la preservación de las UH proporcionó la mayor ganancia individual (+3.5 puntos DSC). El programa de calentamiento fue crítico para evitar el colapso del cuello de botella, y la agregación de múltiples pasos de tiempo mejoró la localización de los límites.

Significado y Afirmaciones
Los autores afirman que DiffSegLung demuestra que la destilación radiómica puede beneficiar simultáneamente tanto a los objetivos discriminatorios (segmentación) como a los generativos. Al utilizar descriptores físicos diseñados a mano como maestro, el marco impone una estructura físicamente consistente en el espacio latente de un modelo generativo sin requerir datos anotados. El trabajo destaca que preservar la información cuantitativa de las UH es el componente más importante para distinguir clases de tejido, particularmente para patologías como el enfisema, donde la densidad es el diferenciador principal. El artículo concluye que, aunque el método avanza significativamente la segmentación no supervisada, la superposición inherente de UH entre el enfisema y el tejido saludable sigue siendo una limitación, lo que sugiere que el trabajo futuro debe centrarse en un agrupamiento más fino consciente de las UH.