EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

Resumen Técnico: EPRA U-Net para la Segmentación de Infartos en DWI MRI

Planteamiento del Problema
La segmentación precisa de infartos isquémicos agudos en imágenes de resonancia magnética ponderadas por difusión (DWI) es crítica para el manejo de accidentes cerebrovasculares, la cuantificación de lesiones y la determinación de la elegibilidad para el tratamiento (por ejemplo, trombolisis). Sin embargo, esta tarea presenta desafíos significativos:

• Desequilibrio de Clases: Las lesiones de infarto ocupan una fracción pequeña del volumen de la imagen (tasa de cortes positivos del 14.7% en el conjunto de datos del estudio), lo que puede provocar que los modelos pasen por alto pequeñas lesiones.
• Ambigüedad de los Límites: Los bordes de las lesiones a menudo carecen de una delimitación clara, y la heterogeneidad de la señal complica la detección.
• Asimetría del Costo Clínico: En la práctica clínica, un falso negativo (omitir una lesión) conlleva un costo mayor que un falso positivo, ya que las lesiones omitidas pueden conducir a un tratamiento retrasado o a evaluaciones pronósticas incorrectas.
• Limitaciones de los Modelos Existentes: Los U-Nets estándar pueden transferir ruido de bajo nivel; los modelos basados en Transformers (por ejemplo, TransUNet) pueden ser computacionalmente intensivos y propensos al sobreajuste en conjuntos de datos más pequeños de un solo centro; y los modelos 3D suelen incurrir en costos computacionales prohibitivos.

Metodología
Los autores proponen EPRA U-Net (Efficient Pyramid Residual Attention U-Net), una arquitectura híbrida de aprendizaje profundo diseñada específicamente para abordar los desafíos mencionados. El modelo utiliza una estrategia de entrada 2.5D, apilando el corte de DWI objetivo con sus cortes adyacentes para capturar el contexto entre cortes manteniendo la eficiencia computacional de las convoluciones 2D.

La arquitectura integra cuatro componentes clave:

1. Codificador EfficientNet-B0: Sirve como el extractor de características jerárquico. Emplea una estrategia de escalado compuesto (equilibrando profundidad, anchura y resolución) y módulos de Squeeze-and-Excitation (SE) para extraer características de manera eficiente con un recuento de parámetros reducido en comparación con los codificadores basados en ResNet.
2. Bloques Residuales-Recurrentes (R2): Integrados en la ruta de codificador-decodificador, estos bloques combinan conexiones residuales con operaciones convolucionales recurrentes (desplegando el paso $t=2$). Este diseño tiene como objetivo mejorar el modelado de la dependencia espacial y la propagación de características, particularmente para lesiones complejas y pequeñas.
3. Atrous Spatial Pyramid Pooling (ASPP): Ubicado en el puente entre el codificador y el decodificador, el ASPP utiliza convoluciones dilatadas paralelas con diferentes tasas de dilatación (1, 6, 12, 18) para expandir el campo receptivo. Esto permite al modelo capturar información contextual de múltiples escalas, acomodando lesiones de diversos tamaños.
4. Mecanismo de Atención Dual: Un módulo de atención de posición y canal en paralelo se aplica a las conexiones de salto (skip connections). Este mecanismo resalta las activaciones relacionadas con la lesión mientras suprime las respuestas de fondo no deseadas, abordando la alta prevalencia de cortes negativos (no infartados).

Función de Pérdida y Estrategia de Entrenamiento
Para abordar el imperativo clínico de minimizar las lesiones omitidas, el modelo se optimiza utilizando la función de pérdida de Tversky con parámetros $\alpha = 0.4$ y $\beta = 0.6$. Esta configuración penaliza explícitamente los falsos negativos con mayor rigor que los falsos positivos, desplazando el enfoque de optimización hacia una mayor sensibilidad (recall). El modelo fue entrenado en un conjunto de datos de 167 pacientes (4,895 cortes) con una división estratificada a nivel de paciente (70% entrenamiento, 15% validación, 15% prueba) para evitar la fuga de datos.

Contribuciones Clave
El artículo identifica cuatro contribuciones primarias:

1. Curación del Conjunto de Datos: Creación de un conjunto de datos de un solo centro, clínicamente realista, de 167 pacientes con 4,895 cortes de DWI anotados, preservando el desequilibrio de clases natural (tasa de positivos del 14.7%).
2. Arquitectura Novedosa: Introducción de EPRA U-Net, un modelo híbrido basado en principios que combina la codificación EfficientNet, el modelado espacial R2, el contexto multi-escala ASPP y mecanismos de atención dual.
3. Optimización Motivada Clínicamente: Aplicación de una configuración específica de pérdida de Tversky ($\beta > \alpha$) para alinear el objetivo de entrenamiento con la necesidad clínica de reducir los falsos negativos.
4. Validación Rigurosa: Implementación de un marco estadístico exhaustivo que incluye análisis no paramétricos (Wilcoxon signed-rank), paramétricos (prueba t pareada), a nivel de píxel (prueba de McNemar) y de remuestreo (intervalos de confianza de bootstrap), junto con la estimación del tamaño del efecto.

Resultados Experimentales
EPRA U-Net fue evaluado frente a líneas de base de vanguardia: UNet++, DeepLabV3+, TransUNet y nnU-Net (2D).

• Métricas de Desempeño: EPRA U-Net logró un índice Dice agregado por píxeles de 0.8984, un Dice por muestra de 0.9469, un IoU de 0.8155 y un Recall de 0.8887. Alcanzó el mayor puntaje F1 de lesión (0.9378) y el menor HD95 mediano (2.00 px, media de 11.62 px) entre las arquitecturas personalizadas.
• Detección de Lesiones: El modelo demostró una reducción significativa en las lesiones omitidas en comparación con las líneas de base: 29% menos omisiones que TransUNet, 25% menos que DeepLabV3+ y 16% menos que UNet++.
• Comparación con nnU-Net: Aunque nnU-Net logró un índice Dice comparable (0.8997) y un HD95 medio ligeramente inferior (7.98 px frente a 11.62 px), EPRA U-Net logró un mayor recall (0.8887 frente a 0.8798) y sustancialmente menos detecciones de lesiones falsos positivos (32 frente a 69).
• Eficiencia: EPRA U-Net es significativamente más eficiente que nnU-Net, requiriendo aproximadamente 131.7 minutos de entrenamiento por cada fold en comparación con los 848 minutos de nnU-Net, y ofreciendo un tiempo de inferencia más rápido (33.97 ms/corte frente a 598.5 ms/corte).
• Significancia Estadística: Las pruebas estadísticas pareadas (Wilcoxon y prueba t) confirmaron que las mejoras de desempeño de EPRA U-Net sobre las líneas de base fueron estadísticamente significativas ($p < 0.05$), a pesar de los pequeños tamaños de efecto de Cohen atribuidos al alto desempeño de las líneas de base (efecto de techo).

Significancia y Reivindicaciones
El artículo afirma que EPRA U-Net proporciona una base más robusta y precisa para la segmentación de infartos en la práctica clínica. La importancia del trabajo radica en:

• Alineación Clínica: Al priorizar el recall mediante la pérdida de Tversky, el modelo reduce el riesgo de subsegmentación, lo cual es crítico para determinar la elegibilidad para el tratamiento en casos de accidente cerebrovascular agudo.
• Desempeño Equilibrado: La arquitectura logra una alta precisión sin la carga computacional de los grandes modelos Transformer o redes 3D, lo que la hace adecuada para su despliegue en hardware clínico estándar.
• Validación Exhaustiva: El estudio va más allá del simple reporte de métricas al emplear un esquema de validación estadística de múltiples capas para asegurar la confiabilidad de las mejoras observadas.
• Perspectivas de Ablación: El estudio de ablación confirma que cada componente (ASPP para la delimitación de bordes, R2 para la continuidad espacial, Atención Dual para la supresión de fondo y la pérdida de Tversky para la sensibilidad) contribuye distintivamente a resolver los desafíos específicos de la segmentación de infartos en DWI.

Los autores concluyen que, si bien el conjunto de datos es de un solo centro y el modelo utiliza entradas 2.5D, el marco propuesto aborda eficazmente las compensaciones entre precisión, costo computacional y relevancia clínica en la imagenología de accidentes cerebrovasculares.