💻 computer science

Classification of COVID-19 cases from chest CT volumes using hybrid model of 3D CNN and 3D MLP-Mixer

Este artículo propone un modelo híbrido de 3D CNN y 3D MLP-Mixer para la clasificación automatizada de COVID-19 a partir de volúmenes de TC de tórax, logrando una precisión del 79,5% que supera los enfoques convencionales de 3D CNN al aprovechar eficazmente tanto las características locales como las globales de la imagen.

Autores originales: Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori

Publicado 2026-08-03

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective tratando de resolver un misterio dentro de una caja de rompecabezas gigante y tridimensional. Esta no es una caja de juguetes, sino un mapa digital del pecho humano, compuesto por miles de pequeñas rebanadas llamadas tomografías computarizadas (TC). Durante años, los médicos han usado estas tomografías para detectar problemas, como un virus escondido en los pulmones. Pero mirar cada una de las rebanadas a mano es un trabajo agotador, especialmente cuando el "misterio" es un virus de rápida propagación que abruma a los hospitales. Para ayudar, los científicos han construido "detectives computacionales" llamados Inteligencia Artificial (IA). Estos detectives de IA suelen usar dos herramientas principales: una que es excelente para detectar pistas pequeñas y locales (como una lupa), y otra que es buena para ver la imagen completa a la vez (como un dron volando desde lo alto). La gran pregunta es: ¿podemos enseñar a una computadora a usar ambas herramientas al mismo tiempo para detectar el virus más rápido y con mayor precisión que antes?

Este artículo presenta un nuevo tipo de detective computacional diseñado específicamente para resolver el misterio del COVID-19 en tomografías computarizadas de tórax. Los autores, un equipo de investigadores de Japón, construyeron un modelo "híbrido": una unión entre dos tipos diferentes de cerebros de IA. La primera parte es una CNN 3D (Red Neuronal Convolucional), que actúa como un microscopio súper enfocado. Escanea el volumen 3D del pulmón para encontrar detalles diminutos y locales, como pequeñas manchas de nubosidad o "vidrio despulido" que suelen aparecer cuando un virus ataca. La segunda parte es un 3D MLP-Mixer, un nuevo tipo de IA que actúa como un maestro resolviendo rompecabezas. En lugar de solo mirar un punto, toma todas las pistas que encontró el microscopio y las mezcla para comprender la "imagen general" de todo el pulmón.

Los investigadores probaron este nuevo equipo híbrido en un conjunto de datos de 1,205 volúmenes de TC de tórax recolectados de varios hospitales en Japón. Dividieron los datos, utilizando el 80% para entrenar a la IA y el 20% para probar sus habilidades. Cuando el modelo híbrido tomó la prueba, identificó correctamente si un paciente tenía una alta o baja probabilidad de tener COVID-19 con una precisión del 79.5%. Para ver si esta nueva unión era realmente mejor que la forma antigua de hacer las cosas, los autores la compararon con un modelo estándar que solo usaba el "microscopio" (3D CNN) seguido de capas simples. Ese modelo más antiguo solo alcanzó un 74.8% de precisión. Los resultados sugmiere que añadir el "resolutor de rompecabezas" (el 3D MLP-Mixer) realmente ayuda a la computadora a entender mejor los patrones complejos de la neumonía viral que el uso del microscopio solo. Sin embargo, los autores señalan que, aunque este es un sólido avance, la precisión aún no es perfecta y se necesita más trabajo —como usar más datos y diferentes trucos de entrenamiento— antes de que esta herramienta pueda ser utilizada de rutina en las clínicas del mundo real.

Resumen Técnico: Clasificación de Casos de COVID-19 a partir de Volúmenes de TC de Tórax mediante un Modelo Híbrido de 3D CNN y 3D MLP-Mixer

Planteamiento del Problema
La rápida propagación mundial de la enfermedad por coronavirus 2. de 2019 (COVID-19) ha creado una escasez significativa de mano de obra en las instituciones médicas, lo que requiere flujos de trabajo de diagnóstico eficientes. Si bien la prueba de reacción en cadena de la polimerasa con transcripción inversa (RT-PCR) es la herramienta de diagnóstico estándar, se informa que su sensibilidad oscila únicamente entre el 42% y el 71%. En contraste, el diagnóstico basado en TC de tórax demuestra una sensibilidad reportada del 97%, lo que lo convierte en una modalidad crítica para identificar la neumonía viral. Sin embargo, la interpretación manual de los volúmenes de TC consume mucho tiempo. Los sistemas existentes de Diagnóstico Asistido por Computadora (CAD) automatizados suelen depender de Redes Neuronales Convolucionales (CNN), las cuales están limitadas por sus campos receptivos y utilizan principalmente características de imagen locales. Por el contrario, los Vision Transformers (ViT) consideran características globales, pero requieren grandes cantidades de datos de entrenamiento para alcanzar un alto rendimiento, lo cual suele no estar disponible en contextos de imágenes médicas. El desafío radica en desarrollar un método de clasificación automatizado que aproveche eficazmente tanto las características locales como las globales de los volúmenes de TC 3D, manteniéndose robusto con datos de entrenamiento limitados.

Metodología
Los autores proponen un método de clasificación automatizada para volúmenes de TC de tórax utilizando un modelo híbrido que combina una Red Neuronal Convolucional 3D (3D CNN) y una versión 3D de MLP-Mixer.

Preprocesamiento: Los volúmenes de TC de tórax de entrada se someten a una segmentación pulmonar para aislar las regiones pulmonares. Se eliminan las rebanadas axiales que carecen de tejido pulmonar, y el subvolumen restante se escala a una resolución fija de $192 \times 19 2 \times 128$ vóxeles.
Extracción de Características mediante 3D CNN: El subvolumen escalado es procesado por una 3D CNN para extraer características de imagen locales. Esta sección emplea conexiones de agrupación densa (dense pooling), utilizando una combinación de agrupación máxima y promedio (mixed pooling) para reducir la pérdida de información y capturar información espacial a través de múltiples escalas. El resultado es un volumen de características 3D.
Generación de Parches 3D: Se extraen parches 3D no superpuestos de tamaño $4 \times 4 \times 4$ vóxeles a partir del volumen de características 3D. Cada parche se reestructura en un vector 1D con $C=64$ componentes.
Clasificación mediante 3D MLP-Mixer: Los autores extienden la arquitectura original de 2D MLP-Mixer para manejar volúmenes 3D. El conjunto de parches 3D sirve como la entrada ( $X \in \mathbb{R}^{S \times C}$ $X \in R^{S \times C}$ ) al 3D MLP-Mixer. El modelo procesa estas entradas a través de $L$ $L$ capas, donde cada capa consta de dos bloques de Perceptrón Multicapa (MLP):
1. Mezcla de tokens (Token-mixing): Realiza la mezcla de características entre parches para integrar el contexto global.
2. Mezcla de canales (Channel-mixing): Realiza la mezcla de características dentro de cada parche.
  La salida final se pasa a través de una agrupación promedio global y capas totalmente conectadas para producir una clasificación binaria (Alta vs. Baja probabilidad de COVID-19).

Contribuciones Clave

Arquitectura Híbrida: El artículo introduce un novedoso modelo híbrido que integra 3D CNNs para la extracción de características locales con un 3D MLP-Mixer para la integración de características globales. Esto aborda la limitación de las CNN puras (enfoque local) y de los modelos puramente Transformer/MLP-Mixer (necesidad de grandes volúmenes de datos).
Adaptación de 3D MLP-Mixer: Los autores modificaron con éxito la arquitectura MLP-Mixer, diseñada originalmente para imágenes 2D, para procesar datos volumétricos 3D mediante la adaptación de los mecanismos de parcheo y mezcla al espacio 3D.
Eficiencia con Datos Limitados: El enfoque híbrido está diseñado para lograr un alto rendimiento de clasificación incluso con un número limitado de muestras de entrenamiento, una restricción común en las imágenes médicas, aprovechando la 3D CNN para preextraer características locales robustas antes de la mezcla global.

Resultados Experimentales
El método propuesto fue evaluado en un conjunto de datos que comprende 1,205 volúmenes de TC de tórax (casos de COVID-19 y no COVID-19) obtenidos de múltiples instituciones médicas en Japón. El conjunto de datos se dividió en un 80% para entrenamiento y un 20% para pruebas.

Desempeño: El modelo híbrido propuesto logró una precisión de clasificación del 79.5%.
Comparación: Un modelo base de 3D CNN (que consiste en capas de 3D CNN y capas MLP simples) entrenado en el mismo conjunto de datos logró una precisión del 74.8%.
Conclusión: La mejora del 4.7% en la precisión demuestra que el componente 3D MLP-Mixer contribuye eficazmente al rendimiento de la clasificación al utilizar características de imagen globales.

Significancia y Reivindicaciones
El artículo sostiene que el uso híbrido de 3D CNN y 3D MLP-Mixer es efectivo para la clasificación de volúmenes 3D, particularmente para la neumonía viral donde las opacidades de vidrio esmerilado y las consolidaciones ocurren sobre áreas extensas, requiriendo tanto el análisis de características locales como globales. Los autores enfatizan que esta estructura híbrida permite una alta precisión sin los masivos conjuntos de datos de entrenamiento requeridos por los modelos de MLP-Mixer puro o ViT.

Sin embargo, los autores mantienen un tono modesto respecto al despliegue clínico. Afirman que se requieren mejoras adicionales en la precisión de la clasificación antes de que el modelo pueda aplicarse en entornos clínicos. El trabajo futuro identificado por los autores incluye el uso de aumento de datos para mejorar las variaciones anatómicas e de intensidad, la incorporación de conjuntos de datos internacionales y el desarrollo continuo de un sistema CAD completo para COVID-19. El artículo no afirma que el modelo actual esté listo para su uso clínico inmediato, sino que lo presenta como un paso prometedor hacia ese objetivo.

Resumen Técnico: Clasificación de Casos de COVID-19 a partir de Volúmenes de TC de Tórax mediante un Modelo Híbrido de 3D CNN y 3D MLP-Mixer

Más como este