Intracranial Aneurysm Classification and Segmentation via Tri-Axial ROI and Multi-Task Learning

Resumen Técnico: Clasificación y Segmentación de Aneurismas Intracraneales mediante ROI Triaxial y Aprendizaje Multitarea

Planteamiento del Problema
Los aneurismas intracraneales suelen ser asintomáticos hasta su ruptura, un evento que conlleva una alta mortalidad. La evaluación precisa del riesgo y la planificación del tratamiento requieren un conocimiento exacto tanto de la morfología del aneurisma como de su ubicación anatómica. Sin embargo, los métodos automatizados existentes se limitan a salidas binarias (presencia/ausencia, máscaras binarias) y no logran proporcionar una clasificación anatómica detallada o una segmentación de múltiples clases. Además, la heterogeneidad de las modalidades de imagen (CTA, MRA, T2, T1-post) presenta desafíos con respecto a los mecanismos de contraste, los espaciados de vóxeles y los campos de visión. Los métodos actuales de extracción de Región de Interés (ROI) suelen depender de un preprocesamiento específico de la modalidad o de una inferencia de ventana deslizante 3D computacionalmente costosa.

Metodología
Los autores proponen un marco de dos etapas diseñado para realizar clasificación multietiqueta, segmentación de aneurismas de múltiples clases y segmentación de vasos de múltiples clases en 13 ubicaciones anatómicas y cuatro modalidades de imagen.

1. Etapa 1: Extracción de ROI Triaxial 2D
   Para evitar el costo computacional de la inferencia 3D completa, los autores introducen un enfoque triaxial 2D rápido. Para un volumen de entrada, el sistema extrae tres cortes por cada eje ortogonal (axial, sagital, coronal) en las posiciones {1/4, 1/2, 3/4}, sumando un total de hasta nueve cortes. Estos cortes son procesados por un modelo de segmentación binaria nnU-Net 2D estándar. Las máscaras 2D resultantes restringen las dimensiones espaciales (por ejemplo, los cortes axiales restringen $y$ y $x$). La caja delimitadora (bounding box) 3D se deriva promediando las coordenadas de las predicciones no vacías a través de los ejes. Este método reduce la inferencia a nueve predicciones de corte por volumen, logrando una aceleración de 12.7× en comparación con la inferencia de ventana deslizante 3D, abarcando consistentemente el Círculo de Willis y los segmentos arteriales proximales.

2. Etapa 2: Aprendizaje Multitarea 3D con Decodificadores Duales
   Los volúmenes de ROI recortados se redimensionan a $224 \times 224 \times 224$ y son procesados por una red de multitarea 3D basada en nnU-Net.

   • Diseño de Decodificador Dual: Para abordar el extremo desequilibrio de volumen donde los vóxeles del aneurisma son 2 a 3 órdenes de magnitud menos que los vóxeles de los vasos, la red emplea dos decodificadores en lugar de un único decodificador de 26 clases.
     • Decodificador 1: Genera 14 canales, separando 13 clases de anatomía vascular de una única clase de aneurisma combinada.
     • Decodificador 2: Genera 13 canales, emparejando cada clase de anatomía vascular con su correspondiente clase de ubicación del aneurisma.
     • Reconstrucción: Tras el entrenamiento, se recupera la segmentación completa de 26 clases mediante la fusión de las salidas: si el Decodificador 1 predice la clase de aneurisma combinada y el Decodificador 2 predice la clase de anatomía vascular $k$, la etiqueta final es la clase de ubicación de aneurisma $k+13$.
   • Cabezales de Clasificación: Tres cabezales de clasificación utilizan el agrupamiento por atención cruzada (cross-attention pooling) en el cuello de botella del codificador para predecir: (1) la modalidad de entrada (4 clases), (2) la presencia de aneurisma (binaria) y (3) la ubicación de aneurisma multietiqueta (13 clases).
   • Función de Pérdida: La pérdida total es una suma ponderada de las pérdidas de segmentación (Dice + Entropía Cruzada ponderada) y las pérdidas de clasificación (BCE/CE). Las clases asociadas al aneurisma reciben pesos significativamente mayores (10× en el Decodificador 1, 5× en el Decodificador 2) para contrarrestar el desequilibrio de clases.

3. Preparación y Aumentación de Datos
   Dado que el desafío RSNA-2025 proporcionó únicamente las coordenadas del punto central para los aneurismas y no máscaras a nivel de vóxel, los autores emplearon una estrategia de aprendizaje activo. Generaron pseudo-etiquetas para las máscaras de anatomía vascular y de aneurisma utilizando modelos iniciales, las cuales fueron revisadas manualmente, corregidas y reintroducidas de forma iterativa. Este proceso cubrió las 4,348 series de entrenamiento. Además, se aplicó una aumentación de intercambio de etiquetas izquierda-derecha para duplicar el tamaño del conjunto de datos para los casos con etiquetas lateralizadas.

Contribuciones Clave

1. Extracción de ROI Triaxial 2D: Una estrategia que gestiona datos neurovasculares multimodales sin necesidad de una segmentación 3D completa, reduciendo la inferencia a nueve predicciones de corte por volumen.
2. Marco Unificado de Multitarea: El primer método que unifica la clasificación de aneurismas multietiqueta, la segmentación de aneurismas de múltiples clases y la segmentación de vasos de múltiples clases con granularidad de múltiples clases a través de cuatro modalidades.
3. Arquitectura de Decodificador Dual: Un diseño destinado específicamente a abordar el desequilibrio extremo de volumen entre las clases de aneurisma y de vasos, permitiendo un flujo de gradiente efectivo para objetivos de aneurisma dispersos.
4. Lanzamiento Público: Los autores liberaron el código, los pesos del modelo y un plugin para 3D Slicer para apoyar la investigación posterior.

Resultos
El marco de trabajo alcanzó el 2º lugar en el desafío de detección de aneurismas intracraneales RSNA 2025.

• Desempeño: El ensamblaje final (dos pliegues/folds) logró un AUC Público de 0.90035 y un AUC Privado de 0.86727.
• Perspectivas de Ablación:
  • El refinamiento de las anotaciones de segmentación y la expansión de las etiquetas de anatomía vascular mediante aprendizaje activo generó una ganancia de +0.032 en la tabla de clasificación privada.
  • La Aumentación en Tiempo de Prueba (TTA) con 8 combinaciones proporcionó una ganancia de +0.010.
  • El ensamblaje de dos pliegues proporcionó una ganancia marginal pero consistente de +0.005.
• Eficiencia: El enfoque triaxial 2D logró una velocidad de inferencia promedio de 0.51 segundos por volumen en una RTX 3090, en comparación con los 6.44 segundos de una línea base de ventana deslizante 3D.

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en ir más allá de la detección binaria para proporcionar salidas anatómicas de múltiples clases y de grano fino a través de modalidades de imagen heterogéneas. Los autores destacan que su diseño de decodificador dual ofrece una estrategia viable para manejar el desequilibrio extremo de clases en tareas de segmentación médica donde las estructuras objetivo (aneurismas) son diminutas en relación con el fondo (vasos). Señalan que, aunque la evaluación de la segmentación sigue siendo cualitativa debido a la falta de máscaras de vóxeles de verdad de campo (ground-truth) en el desafío, el marco produce con éxito salidas anatómicas densas incluso cuando se entrena principalmente para la clasificación. Los autores reconocen modestamente las limitaciones, incluyendo la dependencia de pseudo-etiquetas generadas mediante aprendizaje activo y la naturaleza no end-to-end de la recuperación de la segmentación de 26 clases, la cual requiere la fusión post-procesamiento de dos decodificadores.