Resumen Técnico: HTC-SGA Former para la Segmentación de Vasos en DSA Coronaria

1. Planteamiento del Problema

La segmentación precisa de los vasos coronarios en la Angiografía de Sustracción Digital (DSA) es crítica para el diagnóstico asistido por computadora y la planificación del tratamiento de la enfermedad de la arteria coronaria (CAD). Sin embargo, los métodos existentes enfrentan desafíos significativos debido a las características específicas de las imágenes de DSA:

• Vasos Delgados y de Bajo Contraste: Las ramas distales suelen exhibir señales débiles y bajo contraste respecto al fondo, lo que dificulta su detección.
• Desequilibrio de Clases Severo: La relación entre los píxeles de los vasos y los píxeles del fondo es extremadamente sesgada, lo que lleva a que los modelos se inclinen hacia la predicción del fondo.
• Compromiso Global-Local: Las Redes Neuronales Convolucionales (CNN) tradicionales capturan bien las características locales pero tienen dificultades con el contexto anatómico de largo alcance, mientras que los Transformers puros suelen perder detalles espaciales finos y sufren de altos costos computacionales.
• Ambigüedad de los Bordes: Los artefactos de movimiento y las estructuras anatómicas superpuestas resultan en una continuidad vascular fragmentada y una localización de bordes imprecisa.

Los métodos actuales de vanguardia a menudo fallan al intentar equilibrar simultáneamente el razonamiento contextual global con la preservación de los vasos distales débiles y los bordes finos.

2. Metodología: HTC-SGA Former

Los autores proponen HTC-SGA Former, un marco híbrido ligero que integra un codificador CNN con un decodificador Transformer. La arquitectura está diseñada para preservar la morfología local de los vasos mientras modela las dependencias de largo alcance.

2.1. Descripción General de la Arquitectura

• Codificador CNN: Un codificador ligero extrae características jerárquicas utilizando cuatro etapas convolucionales. Emplea convoluciones de 3×3, normalización por lotes (batch normalization), ReLU y dropout, seguidos de max-pooling para el submuestreo. Un bloque de cuello de botella (bottleneck) expande la dimensión de los canales para enriquecer las representaciones semánticas de alto nivel antes de la decodificación.
• Decodificador Transformer: A diferencia de los modelos híbridos estándar que utilizan un cuello de botella Transformer, HTC-SGA Former coloca el Transformer dentro del decodificador para mejorar progresivamente el razonamiento contextual global-local.

2.2. Componentes Clave

1. Atención de Ventana Global-Local Multiescala (MS-GLWA):

   • Este bloque aborda el compromiso entre el contexto global y el detalle local.
   • Rama Local: Utiliza convoluciones separables (depthwise 3×3 y pointwise 1×1) para preservar la morfología fina de los vasos y los detalles de los bordes.
   • Rama Global: Captura el contexto anatómico mediante la autoatención de múltiples cabezales basada en ventanas. A diferencia de los Swin Transformers estándar, genera tensores de Consulta, Clave y Valor (QKV) a partir de representaciones de características multiescala (usando convoluciones paralelas de 1×1, 3×3, 5×5 y depthwise).
   • Escalamiento Adaptativo: Se introduce un parámetro de temperatura ($\tau$) aprendible para escalar adaptativamente los logits de atención, mejorando la robustez en imágenes de bajo contraste y con ruido.
   • Fusión: Las características globales y locales se fusionan mediante suma elemento a elemento.

2. Atención de Características Autoguiada (SGFA):

   • Diseñada para refinar las respuestas de los vasos débiles y suprimir la interferencia del fondo.
   • Generación de Máscara Preliminar: Genera un mapa de probabilidad de vasos grueso a partir de las características del decodificador para servir como un prior estructural.
   • Atención Residual: Utiliza la máscara para crear pesos de atención que realzan las características consistentes con los vasos mediante una formulación residual ($\mathbf{F}_{atendida} = \mathbf{F} \odot (1 + \mathbf{A})$), evitando la pérdida de información de la compuerta (gating) rígida.
   • Contexto Multiescala: Emplea convoluciones dilatadas paralelas (tasas 1, 2, 4) para capturar características vasculares a distintas escalas antes de fusionarlas para el refinamiento final.

3. Pérdida Compuesta Adaptativa con Pesado de Bordes (BWACL):

   • Una función de pérdida novedosa diseñada para manejar el desequilibrio de clases severo y mejorar la preservación de los bordes de los vasos delgados.
   • Pesado de Bordes: Genera un mapa de pesos por píxel que asigna pesos más altos (hasta 1.5×) a los bordes de vasos delgados identificados mediante transformaciones de distancia euclidiana.
   • Formulación Compuesta: Combina una Pérdida Focal Pesada (para enfatizar los píxeles difíciles) y una Pérdida Dice Pesada (para optimizar la superposición).
   • Equilibrio Adaptativo: Introduce un factor de equilibrio dinámico ($\beta$) que ajusta la contribución de los términos Focal y Dice basándose en métricas de error en tiempo real (error de Recall vs. error de falsos positivos de borde). Si la recuperación del vaso es deficiente, se pondera más el término Focal; si la precisión del borde carece de rigor, se prioriza el término Dice.

3. Contribuciones Clave

El artículo describe cinco contribuciones primarias:

1. Marco HTC-SGA Former: Una arquitectura híbrida ligera CNN-Transformer específicamente para la segmentación de DSA coronaria, que combina un codificador CNN para la morfología local y un decodificador Transformer para el razonamiento global-local.
2. Bloque MS-GLWA: Un mecanismo de atención novedoso que integra la autoatención de ventana multiescala con convoluciones separables para capturar dependencias de largo alcance mientras preserva las estructuras finas de los vasos.
3. Módulo SGFA: Un módulo de refinamiento enfocado en los vasos que utiliza atención autoguiada y contexto multiescala para mejorar las respuestas de vasos débiles y suprimir el ruido de fondo.
4. BWACL: Una pérdida compuesta adaptativa con pesado de bordes que aborda el desequilibrio de clases enfatizando los bordes de los vasos delgados y equilibrando dinámicamente la recuperación de los vasos con el refinamiento de los bordes.
5. Validación Exhaustiva: Experimentos extensos que demuestran la superioridad del marco sobre 14 métodos de vanguardia y la aplicabilidad trans-backbone de la función de pérdida propuesta.

4. Resultados Experimentales

El método fue evaluado en un conjunto de datos privado que comprende 300 secuencias de DSA coronaria (150 de arteria coronaria derecha y 150 de la izquierda) de 50 pacientes, utilizando validación cruzada de 5 pliegues (5-fold cross-validation).

• Desempeño vs. Estado del Arte: HTC-SGA Former superó a 14 métodos competidores (incluyendo variantes de U-Net, Transformers puros como SwinUNet y modelos híbridos) tanto en el subconjunto coronario derecho como en el izquierdo.
  • Subconjunto Derecho: Logró un 88.58% de Recall y un 88.01% de Dice, con una Distancia Superficial Promedio (ASD) de 0.6944.
  • Subconjunto Izquierdo: Logró un 85.23% de Recall y un 82.89% de Dice, con un ASD de 1.0256.
  • Eficiencia: El modelo mantiene una arquitectura compacta con solo 0.81M de parámetros, significativamente menos que muchos competidores (por ejemplo, SwinUNet tiene 85.9M de parámetros).
• Eficacia de la Función de Pérdida: Al aplicarse a cuatro backbones estándar (U-Net, Attention U-Net, U-Net++, Attention U-Net++), BWACL mejoró consistentemente el Recall y las métricas de borde (ASD/ACD) en comparación con las pérdidas estándar de BCE+Dice.
• Estudio de Ablación:
  • La adición de los componentes de MS-GLWA (Rama Local, Rama Global, QKV Mejorado) mejoró progresivamente el desempeño.
  • El módulo SGFA proporcionó ganancias significativas en la precisión de los bordes (reducción de ASD/ACD).
  • La pérdida completa BWACL produjo los puntajes más altos de Recall y Dice, confirmando su necesidad para optimizar la recuperación de vasos delgados.
• Análisis Cualitativo: Las comparaciones visuales mostraron que HTC-SGA Former preserva mejor las ramas distales delgadas, mantiene la continuidad vascular y reduce los falsos positivos en regiones de bajo contraste en comparación con otros métodos.

5. Significado y Reivindicaciones

Los autores afirman que HTC-SGA Former proporciona una solución práctica y eficiente en parámetros para el análisis de vasos coronarios. Al integrar un modelado de contexto global-local complementario con un refinamiento enfocado en los vasos y una optimización adaptativa, el marco aborda las limitaciones específicas de los métodos actuales al manejar vasos distales débiles y el desequilibrio de clases severo.

El artículo sostiene que el enfoque propuesto permite un análisis de vasos coronarios confiable y computacionalmente eficiente, apoyando el análisis de imágenes cuantitativo y futuras intervenciones cardiovasculares asistidas por computadora. Los autores enfatizan que la combinación del diseño arquitectónico (MS-GLWA, SGFA) y la estrategia de optimización (BWACL) es clave para lograr una alta precisión sin la carga computacional de los modelos de Transformer puro de gran escala.

El trabajo futuro, según declaran los autores, implica validar el marco en conjuntos de datos multicéntricos más grandes, investigar implementaciones en tiempo real y extender la metodología a otras tareas de imagen vascular (retiniana, cerebral, periférica) y modalidades angiográficas.