EFIQA: Explainable Fundus Image Quality Assessment via Anatomical Priors

Resumen Técnico: EFIQA – Evaluación de la Calidad de Imágenes de Fondo de Ojo Explicable mediante Priores Anatómicos

Planteamiento del Problema
La evaluación de la calidad de imágenes médicas (IQA) es crítica para las aplicaciones clínicas descendentes y los procesos de preprocesamiento de IA. Los métodos actuales de vanguardia para la Fotografía de Fondo de Ojo (CFP) son predominantemente clasificadores supervisados entrenados con etiquetas de calidad específicas de un conjunto de datos. Este enfoque sufre dos limitaciones fundamentales:

1. Falta de Generalización: Las definiciones de calidad son subjetivas y dependen de la tarea (por ejemplo, una mácula subexpuesta puede ser aceptable para el cribado de glaucoma pero crítica para el cribado de la DMA). Los modelos entrenados con criterios de etiquetado específicos fallan al generalizar a conjuntos de datos con diferentes criterios o condiciones de adquisición.
2. Falta de Explicabilidad: Los métodos existentes emiten una única puntuación o clase a nivel de imagen, sin proporcionar retroalimentación espacial sobre dónde se degrada la calidad. Los métodos de atribución post-hoc (como GradCAM) suelen activarse en regiones discriminativas en lugar de regiones de degradación y carecen de un significado clínico preciso y fundamentado.

Metodología: Marco de Trabajo EFIQA
Los autores proponen EFIQA, un marco que evalúa la calidad de las imágenes de fondo de ojo midiendo las desviaciones de las estructuras anatómicas esperadas en lugar de aprender "cómo luce la degradación" a partir de etiquetas humanas. El enfoque carece de etiquetas respecto a la supervisión de calidad y opera en dos etapas:

1. Etapa 1: Detección de Anomalías de Vasos No Supervisada (VUAD)

   • Objetivo: Entrenar un detector de anomalías no supervisado para aprender la topología de la vasculatura retiniana, una estructura anatómica ubicua altamente susceptible a las degradaciones de imagen comunes.
   • Mecanismo: El modelo se entrena con mapas de segmentación de vasos derivados de imágenes de alta calidad utilizando un objetivo de inpaint anatómico enmascarado.
   • Relajación Progresiva: Para evitar el "colapso de identidad" (donde el modelo simplemente copia los píxeles no enmascarados), se emplea una estrategia de enmascaramiento progresivo. El entrenamiento comienza con ratios de enmascaramiento altos ($\gamma \in [0.8, 1.0]$) para forzar el aprendizaje estructural, y luego se expande linealmente a $\gamma \in [0.0, 1.0]$.
   • Salida: La red predice el residuo (estructura faltante) para un dato de entrada dado. La magnitud de este residuo forma un mapa de anomalías, resaltando las regiones donde la visibilidad anatómica está comprometida (por ejemplo, vasos faltantes o borrosos).

2. Etapa 2: Destilación hacia un Adaptador de Modelo de Fundación

   • Objetivo: Destilar el conocimiento del prior anatómico del modelo VUAD en un adaptador ligero que opere sobre las características de un Modelo de Visión de Fundación (FM) congelado. Esto mejora la generalización y reduce la dependencia del paso intermedio de segmentación de vasos durante la inferencia.
   • Mecanismo:
     • Un FM congelado extrae características densas a nivel de parches ($Z$) de la imagen de fondo de ojo de entrada.
     • El modelo VUAD genera pseudo-etiquetas (mapas de anomalías binarios) para un conjunto de datos de calidad mixta.
     • Un adaptador aprendible ($g_\psi$) se entrena para predecir estas pseudo-etiquetas a partir de las características del FM utilizando una pérdida de Entropía Cruzada Binaria (BCE) balanceada por clase.
   • Inferencia: El adaptador produce un mapa de puntuación de calidad a nivel de parche ($Q$). Este mapa puede agregarse mediante una capa de agrupación lineal ligera para generar una puntuación a nivel de imagen o utilizarse directamente para la localización espacial.

Contribuciones Clave

1. Enfoque Novedoso: Los autores replantean la IQA como una desviación de la apariencia anatómica esperada, fundamentando la tarea en la anatomía objetiva en lugar de etiquetas subjetivas.
2. Enfoque Sin Etiquetas y Explicable: EFIQA no requiere supervisión explícita relacionada con la calidad (etiquetas manuales o degradación sintética) y produce mapas de calidad espaciales por diseño.
3. Arquitectura de Dos Etapas: La combinación de una red de reconstrucción de vasos no supervisada y un proceso de destilación en un adaptador de modelo de fundación permite un rendimiento robusto y generalizable.
4. Generalización Superior: Las evaluaciones externas demuestran que este enfoque supera a los métodos supervisados en diversos benchmarks con distintos criterios de calidad.

Resultados Experimentales
El método fue evaluado en cuatro conjuntos de datos públicos (MSHF, mBRSET, DRIMDB, EyeQ) y un conjunto de datos interno, comparándolo con métodos supervisados específicos de fondo de ojo (p. ej., MCF-Net, FGR-Net), métodos de IQA supervisados generales (MANIQA, TOPIQ) y líneas base no supervisadas (NIQE, IL-NIQE).

• Datasets Externos (MSHF, DRIMDB, mBRSET): EFIQA logró el mejor rendimiento promedio en todos los métricos (Precisión Balanceada, F1, MCC, AUROC, AUPRC). Notablemente, alcanzó un Coeficiente de Correlación de Matthews (MCC) del 73.14%, superando al segundo mejor método supervisado (FGR-Net, 69.71%). Demostró robustez incluso en el desafiante conjunto de datos mBRSET, donde otros métodos tuvieron dificultades con el desequilibrio de clases.
• Benchmark EyeQ: EFIQA logró una precisión competitiva (87.55%), ligeramente por debajo de los modelos totalmente supervisados entrenados de extremo a extremo en EyeQ (p. ej., FGR-Net con 89.58%), pero superando a otros métodos adaptados como TOPIQ y ARNIQA. Crucialmente, es el único método en esta comparación que proporciona un mapa de calidad preciso.
• Análisis Cualitativo: Las visualizaciones muestran que EFIQA produce puntuaciones bajas y estables para imágenes de alta calidad y localiza con precisión las regiones degradadas (p. ej., artefactos de iluminación, desenfoque) en imágenes de baja calidad. En contraste, el VUAD por sí solo a veces pierde áreas degradadas donde los vasos son visibles pero están borrosos, y los métodos supervisados como MCF-Net suelen proporcionar activaciones gruesas y dispersas.
• Estudio de Ablación: El estudio confirmó que, si bien la densidad de vasos simple es una línea base sólida, el modelo VUAD añade explicabilidad (mapas locales) a costa de un ligero costo en el rendimiento bruto, el cual es plenamente recuperado y mejorado por el paso de destilación.

Significancia y Reivindicaciones
El artículo afirma que EFIQA ofrece una alternativa generalizable y explicable a la IQA de caja negra supervisada. Al aprovechar los priores anatómicos, el marco evita la fragilidad asociada con los cambios en los criterios de etiquetado. Los autores enfatizan que, aunque el método proporciona puntuaciones de severidad a nivel local, está diseñado para ser adaptable a criterios clínicos específicos con una mínima sintonización.

Los autores señalan limitaciones, específicamente que el uso de los vasos como el único prior puede causar falsas activaciones en regiones naturalmente pobres en vasos (p. ej., la fóvea) o lesiones isquémicas. Sugieren que el trabajo futuro podría incorporar otros priores anatómicos (mácula, disco óptico) o estructuras patológicas para mejorar la especificidad. El artículo concluye que este marco es aplicable a cualquier escenario de imagen donde la visibilidad anatómica defina la calidad, como las capas retinianas de OCT o los hitos de radiografía de tórax.