Evaluation of Anatomical Shape Priors in Deep Learning-Based Cardiac Multi-Compartment Segmentation

Resumen Técnico: Evaluación de Priors de Forma Anatómica en la Segmentación de Múltiples Compartimentos Cardíacos Basada en Aprendizaje Profundo

Enunciado del Problema
La segmentación de múltiples compartimentos del corazón completo a partir de TC cardíaca es una tarea crítica para aplicaciones clínicas como la evaluación cuantitativa (por ejemplo, fracción de eyección), la planificación del tratamiento y las intervenciones guiadas por imágenes. Si bien el aprendizaje profundo, particularmente las variantes de U-Net 3D, se ha convertido en el enfoque dominante debido a su extracción de características multiescala y capacidades de localización espacial, estos modelos son principalmente impulsados por la apariencia. Carecen de una codificación explícita del conocimiento de la forma anatómica, una brecha que anteriormente motivó el uso de modelos estadísticos de forma en la era previa al aprendizaje profundo. La pregunta de investigación central es si los priors de forma explícitos y ligeros pueden proporcionar beneficios medibles sobre una línea base sólida de U-Net 3D para la segmentación de TC cardíaca de siete clases (ventrículos, aurículas, miocardio y grandes vasos).

Metodología
El estudio evalúa dos categorías de priors de forma explícitos integrados en una línea base estándar de U-Net 3D:

1. Funciones de Pérdida Conscientes de la Forma: Se probaron tres familias de regularizadores para inyectar conocimiento anatómico grueso sin alterar el núcleo de segmentación:

   • Regularización de Volumen: Penaliza las desviaciones de los volúmenes de compartimento esperados derivados de las estadísticas del conjunto de entrenamiento.
   • Regularización de Forma Basada en Momentos: Hace cumplir la alineación de los momentos espaciales suaves de primer y segundo orden (centroides, elipsoides) entre las predicciones y las referencias de entrenamiento mediante la distancia L2.
   • Pérdida de Relación Anatómica: Restringe las distancias pares y las relaciones angulares entre los centroides de las clases basándose en las estadísticas de los datos de entrenamiento.

2. Priors Arquitectónicos: Mapas de calor de probabilidad multiclase a nivel de población (que representan distribuciones espaciales promedio de etiquetas) se integraron en diversos diseños de red:

   • HM Multicapa: Una variante de supervisión profunda con una cabeza de predicción de mapa de calor auxiliar.
   • 2-Decodificador: Una red con decodificadores separados para la segmentación y la predicción de mapas de calor para obligar al codificador a aprender características que apoyen ambas tareas.
   • 2-Codificador: Una red de doble codificador que procesa entradas de imagen y mapas de calor en paralelo.
   • En Cascada: Una arquitectura de tres U-Net para predicción gruesa seguida de refinamiento.

Configuración Experimental
Los experimentos se realizaron en el conjunto de datos MM-WHS CT (20 escaneos de entrenamiento, 40 de prueba) y la extensión WHS++ disponible públicamente (20 casos adicionales). El preprocesamiento implicó reorientación, remuestreo isotrópico y alineación basada en Procrustes para derivar mapas de calor poblacionales. Los modelos se entrenaron a resoluciones de $64^3$ y $128^3$ con aumento extensivo. El rendimiento se evaluó utilizando Dice, Jaccard, Distancia de Hausdorff (HD) y Distancia Simétrica Promedio de Superficie (ASSD).

Resultados Clave
El estudio arroja un hallazgo negativo consistente en todos los conjuntos de datos y configuraciones:

• Dominio de la Línea Base: Una U-Net 3D estándar sirvió como una línea base muy fuerte, logrando un 90.85% de Dice en MM-WHS ($64^3$) y un 88.93% en WHS++.
• Ineficacia de los Priors Diseñados a Mano:
  • Basados en Pérdida: La regularización de volumen y de momentos arrojó resultados esencialmente empatados con la línea base (por ejemplo, 90.85% vs. 90.84% de Dice). La pérdida de relación anatómica en realidad degradó el rendimiento (88.98% de Dice).
  • Basados en Arquitectura: Las variantes guiadas por mapas de calor (2-Decodificador, 2-Codificador, En Cascada) permanecieron competitivas pero no superaron a la línea base. Por ejemplo, a $64^3$, el 2-Decodificador logró un 90.73% de Dice, y el modelo en Cascada logró un 90.32%. A mayor resolución ($128^3$), la línea base mejoró al 92.05%, mientras que los competidores (2-Codificador, En Cascada) la igualaron de cerca (92.02% y 92.04%) pero no la superaron.
• Observaciones Cualitativas: Todos los modelos, incluidos aquellos con priors, reprodujeron bien la anatomía cardíaca global. Las diferencias se confinaron a los límites y estructuras más pequeñas, lo que sugiere que la línea base ya captura regularidades anatómicas globales sustanciales.

Significado y Afirmaciones
El artículo presenta un "resultado negativo relevante", desafiando la suposición de que las restricciones de forma explícitas y diseñadas a mano son necesarias o beneficiosas cuando se utilizan líneas base modernas y bien entrenadas de aprendizaje profundo. Los autores afirman que:

1. Aprendizaje Implícito: Las líneas base sólidas de U-Net 3D ya aprenden regularidades anatómicas implícitas sustanciales directamente de los datos de imagen, haciendo redundantes los priors gruesos diseñados a mano (volúmenes, momentos, centroides, mapas de calor).
2. Limitaciones de los Priors Gruesos: Los priors probados describen la anatomía solo a un nivel grueso y fallan en capturar la variabilidad cardíaca no lineal compleja. Además, dado que los errores de la línea base son principalmente relacionados con los límites, los regularizadores estructurales globales ofrecen poco valor adicional.
3. Dirección Futura: Es poco probable que las mejoras futuras provengan de restricciones simples diseñadas a mano. En cambio, los autores sugieren un cambio hacia priors anatómicos aprendidos más expresivos, como modelos basados en difusión generativa o ajuste de flujo entrenados en máscaras de segmentación, que puedan representar mejor la distribución de la anatomía cardíaca plausible.

En conclusión, el estudio demuestra que para la segmentación de TC del corazón completo en estos conjuntos de datos, aumentar la complejidad arquitectónica o agregar restricciones de forma simples no mejora de manera confiable el rendimiento sobre una U-Net 3D estándar.