Resumen Técnico: Red de Atención Multi-Experto entre Etapas para el Diagnóstico de Ecografía Mamaria Inspirado en Radiólogos

1. Declaración del Problema

La ecografía mamaria es una herramienta no invasiva crítica para el diagnóstico temprano del cáncer de mama, sin embargo, la clasificación automática de lesiones benignas/malignas enfrenta obstáculos significativos. Los principales desafíos incluyen:

• Heterogeneidad Tumoral y Bordes Difusos: Las lesiones a menudo exhiben márgenes indistintos y texturas internas complejas, lo que dificulta la extracción de características para los modelos estándar.
• Desequilibrio de Datos: Los conjuntos de datos a menudo sufren de desequilibrio de clases, complicando el entrenamiento de clasificadores robustos.
• Desconexión con la Lógica Clínica: Los enfoques existentes de aprendizaje profundo a menudo dependen de entradas de imagen completa de una sola rama que no logran extraer completamente la información discriminativa de las lesiones. Por el contrario, los métodos que dependen del recorte manual de la región de interés (ROI) introducen flujos de trabajo engorrosos y resultados inconsistentes.
• Limitaciones de las Arquitecturas Actuales: Las Redes Neuronales Convolucionales (CNN) tradicionales a menudo luchan con lesiones diminutas o mal definidas (precisión <70% en algunos casos). Además, las implementaciones existentes de Mezcla de Expertos (MoE) suelen dividir a los expertos por tipos de características abstractas en lugar de regiones anatómicas, limitando la interpretabilidad. Además, los mecanismos de atención estándar (por ejemplo, SE-Net) operan dentro de capas individuales, fallando en capturar interacciones dinámicas a través de etapas jerárquicas de características.

2. Metodología

El artículo propone la Red de Mezcla de Expertos con Atención entre Etapas (CSA-MoE-Net), un modelo diseñado para alinearse con el flujo de trabajo de diagnóstico clínico de los radiólogos ("Imagen Completa del Tumor – Núcleo del Tumor – Análisis de Borde").

A. Preprocesamiento de Datos y Generación de Múltiples Vistas

En lugar del recorte manual, el modelo genera tres vistas de entrada distintas a partir de una sola imagen de ecografía y su máscara de lesión correspondiente:

1. Imagen Completa del Tumor (Experto-Img): La imagen original redimensionada a 224×224, proporcionando contexto global.
2. Núcleo del Tumor (Experto-Tumor): Generado aplicando erosión morfológica a la máscara para aislar el cuerpo sólido de la lesión, centrándose en la textura interna y las características de eco.
3. Borde (Experto-Borde): Generado mediante operaciones de dilatación morfológica y diferencia de conjuntos para extraer una banda estrecha que contiene información de contorno, espículas y margen.

B. Base: ResNet-18 con Atención entre Etapas

El modelo utiliza una ResNet-18 modificada como base para las tres ramas de expertos. Una innovación clave es el Módulo de Atención entre Etapas, que aborda la limitación de la atención de capa única:

• Mecanismo: Establece conexiones dinámicas a través de las cuatro etapas residuales de ResNet-18.
• Proceso: Las características de las cuatro etapas se agregan y mapean a una dimensión unificada. Un vector de consulta aprendible calcula la similitud con los vectores clave por etapa para generar pesos de atención ($\alpha_k$).
• Recalibración: Estos pesos se utilizan para recalibrar el mapa de características de la etapa final mediante una multiplicación por canal, mejorando los canales informativos y suprimiendo la redundancia. Esto permite que el modelo fusione dinámicamente detalles superficiales (bordes) con semánticas profundas.

C. Bloque de Mezcla de Expertos (MoE)

La arquitectura emplea una estructura MoE de tres ramas donde cada rama (Experto-Img, Experto-Tumor, Experto-Borde) extrae características independientemente utilizando la base ResNet-18 con Atención entre Etapas.

• Red de Puerta Adaptativa: Una MLP de dos capas toma las salidas concatenadas de los tres expertos ($F_{concat}$) y calcula pesos dinámicos ($w_1, w_2, w_3$) mediante una función Softmax.
• Fusión: La Característica de Experto Fusionada (FEF) final es una suma ponderada de las salidas de las tres ramas. Este mecanismo imita la capacidad de los radiólogos de priorizar flexiblemente diferentes aspectos de la lesión (por ejemplo, enfatizando las irregularidades del borde en casos malignos) según las características de entrada.

D. Clasificación

El vector de características fusionado de 512 dimensiones se pasa a través de una capa totalmente conectada con activación Sigmoid para la clasificación binaria (Benigno vs. Maligno).

3. Contribuciones Clave

1. Arquitectura Alineada Clínicamente: El modelo estructura explícitamente su proceso de toma de decisiones para reflejar la lógica del radiólogo al separar el análisis en vistas de Imagen Completa, Núcleo y Borde, en lugar de depender de tipos de características abstractas.
2. Mecanismo de Atención entre Etapas: A diferencia de la atención de canal tradicional, este módulo evalúa dinámicamente la importancia de las características a través de diferentes etapas de la red, mejorando la localización de bordes difusos y lesiones diminutas.
3. Fusión de Puerta Adaptativa: La red de puerta asigna dinámicamente el enfoque computacional entre los expertos, permitiendo que el modelo se adapte a características específicas de la lesión (por ejemplo, aumentar el peso de las características del borde para márgenes irregulares).
4. Independencia de la Base: Los módulos propuestos (Atención entre Etapas y MoE) están diseñados como componentes plug-and-play, demostrados como efectivos cuando se integran en VGG-16 y DenseNet-121, no solo en ResNet-18.

4. Resultados Experimentales

Los experimentos se realizaron en un conjunto de datos equilibrado de 2,129 imágenes de ecografía mamaria (1,108 benignas, 1,021 malignas). El modelo se evaluó en 20 ejecuciones independientes para garantizar estabilidad.

Rendimiento de CSA-MoE-Net (base ResNet-18):

• Precisión: 96.33% (±0.70)
• Precisión (Precision): 94.09% (±1.20)
• Exhaustividad (Recall): 98.53% (±0.70)
• Puntuación F1: 96.25% (±0.70)
• AUC: 99.50% (±0.10)

Análisis Comparativo:

• vs. ResNet-18 de referencia: CSA-MoE-Net mejoró la precisión en 3.01%, la exhaustividad en 5.37% y el AUC en 5.42%.
• Estudios de Ablación:
  • Eliminar la Atención entre Etapas (ResNet-MoE) causó una caída significativa en la Exhaustividad (de 98.53% a 94.94%) y el AUC, confirmando su papel en mejorar la sensibilidad de localización de lesiones.
  • Eliminar la rama Experto-Borde resultó en la degradación de rendimiento más significativa entre las ramas ablatadas, validando la importancia clínica de las características del borde (espiculación/irregularidad) para la detección de malignidad.
• Generalización: Cuando se aplicó a VGG-16 y DenseNet-121, los módulos mejoraron consistentemente el rendimiento, con todas las configuraciones alcanzando >95% de precisión y >99% de AUC.

5. Significado y Afirmaciones

El artículo afirma que CSA-MoE-Net proporciona un sistema de apoyo confiable para el diagnóstico asistido por computadora al abordar la naturaleza de "caja negra" del aprendizaje profundo mediante la alineación estructural con el razonamiento clínico.

• Utilidad Clínica: La alta exhaustividad del modelo (98.53%) se destaca como crítica para el cribado de cáncer de mama, donde el costo de diagnósticos perdidos (falsos negativos) supera con creces el de los falsos positivos. Los autores estiman que, en comparación con una ResNet-18 de referencia, el modelo propuesto podría salvar significativamente más vidas en una cohorte de cribado al reducir los casos malignos perdidos.
• Interpretabilidad: Al visualizar los pesos de puerta y las contribuciones de los expertos, el modelo ofrece un razonamiento transparente, potencialmente reduciendo la barrera para la adopción clínica.
• Eficiencia: El módulo de Atención entre Etapas añade una sobrecarga computacional mínima (aproximadamente un aumento del 2–3% en parámetros) mientras entrega ganancias sustanciales de rendimiento.
• Limitaciones: Los autores reconocen que el estudio se basa en un conjunto de datos retrospectivo de un solo centro y depende de anotaciones de máscaras manuales, lo que puede afectar la generalización y los costos de implementación. También señalan que la red de puerta en sí misma sigue siendo una "caja negra" en cuanto a la lógica de decisión interna de los expertos individuales.

En conclusión, el artículo presenta CSA-MoE-Net como una solución robusta, interpretable y de alto rendimiento que cierra la brecha entre las capacidades del aprendizaje profundo y los flujos de trabajo de diagnóstico clínico para la ecografía mamaria.