💻 computer science

Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors

Este artículo propone un marco de doble rama que aprovecha los prototipos previos derivados de TVUS para alinear las características entre modalidades, mejorando significativamente la desafiante tarea de la segmentación de ovarios transmodal en la RM de endometriosis en comparación con los métodos del estado del arte.

Autores originales: Xingjian Kang, Lina Felsner, Dominik Perrin, Daiqi Liu, Jasmin Arjomandi, Franziska Mathis-Ullrich, Alexandra Stoll, Katharina Breininger

Publicado 2026-08-20

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xingjian Kang, Lina Felsner, Dominik Perrin, Daiqi Liu, Jasmin Arjomandi, Franziska Mathis-Ullrich, Alexandra Stoll, Katharina Breininger

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

La endometriosis es una enfermedad crónica y dolorosa en la que un tejido similar al revestimiento del útero crece fuera de este, formando a menudo quistes en los ovarios. Para diagnosticar y tratar esta enfermedad, los médicos dependen en gran medida de dos tipos diferentes de imágenes médicas: la ecografía transvaginal, que utiliza ondas sonoras para crear imágenes desde el interior del cuerpo, y la resonancia magnética, o RM, que utiliza potentes imanes para ver profundamente en la pelvis. Si bien la ecografía es excelente para mostrar la textura específica de los quistes ováricos, la RM proporciona una visión más amplia y clara de la anatomía circundante. Sin embargo, persiste un desafío significativo: los ovarios son pequeños y sus límites pueden parecerse mucho a los órganos y tejidos circundantes en una exploración de RM. Esto dificulta que los programas informáticos, conocidos como inteligencia artificial, dibujen automáticamente y con precisión una línea alrededor del ovario para ayudar a los médicos a medirlo.

Los investigadores han esperado durante mucho tiempo que la combinación de las fortalezas de la ecografía y la RM pudiera resolver este problema, pero un gran obstáculo se ha interpuesto en el camino. En el mundo real, es raro que un paciente se realice una ecografía y una RM del mismo ovario en el mismo instante, lo que significa que las dos imágenes no coinciden perfectamente. Esta falta de pares emparejados ha impedido que las computadoras aprendan a traducir las características claras que se ven en la ecografía directamente a las imágenes de la RM. Un nuevo estudio de un equipo de científicos en Alemania propone un ingenioso rodeo. En lugar de intentar emparejar pacientes individuales a través de ambas máquinas, enseñaron a la computadora a aprender una "idea" general de cómo es un ovario a partir de cientos de imágenes de ecografía, y luego utilizaron ese conocimiento general para guiar a la computadora cuando observaba las exploraciones de RM.

El equipo construyó un sistema que opera como una autopista de dos carriles. Un carril procesa imágenes de ecografía y el otro procesa imágenes de RM. Comenzaron con un modelo informático potente y preentrenado diseñado para comprender imágenes médicas, el cual adaptaron para enfocarse específicamente en los ovarios. Primero, alimentaron el sistema con una gran colección de imágenes de ecografía donde los ovarios ya habían sido marcados por expertos humanos. La computadora analizó estas imágenes para construir una biblioteca mental, o "banco de prototipos", de cómo se ve típicamente un ovario normal y un ovario con quistes en términos de forma y textura. Esta biblioteca actúa como una guía de referencia, un estándar a nivel de población de cómo debería ser un ovario.

Una vez establecida esta guía, los investigadores centraron su atención en las exploraciones de RM. No necesitaron emparejar estas exploraciones de RM con imágenes de ecografía específicas. En su lugar, instruyeron a la computadora para que buscara el ovario en una exploración de RM. A medida que la computadora hacía su suposición, comparaba sus hallazgos con la guía de referencia construida a partir de los datos de la ecografía. Si la comprensión de la computadora de la imagen de la RM se alejaba de la forma y las características establecidas de un ovario, el sistema la atraía suavemente de vuelta hacia el patrón correcto. Este proceso permitió que la computadora aprendiera la difícil tarea de detectar los ovarios en la RM, tomando prestada la claridad que ya había aprendido de la ecografía, todo ello sin necesidad de que los dos tipos de exploraciones se realizaran en la misma persona al mismo tiempo.

Los resultados de este enfoque fueron significativos. Cuando el equipo probó su nuevo sistema en un conjunto de datos de exploraciones de RM de ochenta y un pacientes con endometriosis, superó a varios métodos existentes. El estándar más común para medir qué tan bien una computadora delinea un órgano es una puntuación llamada coeficiente Dice, que oscila entre cero y cien por ciento, donde números más altos indican una mejor precisión. El nuevo método alcanzó una puntuación del 61,0 por ciento, lo que supuso una mejora sustancial respecto a otras técnicas avanzadas que puntuaban alrededor del 28,9 por ciento o ligeramente más con un entrenamiento completo. Los investigadores señalaron que esta mejora no fue solo una pequeña ganancia estadística; los contornos de la computadora se volvieron mucho más compactos y precisos, reduciendo el número de veces que identificaba erróneamente el tejido sano como parte del ovario.

Sin embargo, el estudio también reveló los límites de este progreso. Si bien el nuevo método fue el mejor entre los probados, los investigadores reconocieron que una puntuación del 61 por ciento significa que aún hay margen de mejora, y que el sistema aún no delinea perfectamente cada ovario en cada imagen. Descubrieron que la forma en que entrenaron el sistema importaba enormemente. Específicamente, descubrieron que la computadora necesitaba un breve periodo de entrenamiento de "calentamiento" con los datos de la ecografía por sí solos antes de poder aprender eficazmente de los datos de la RM. Si intentaban entrenar ambos carriles de la autopista al mismo tiempo desde el principio, o si se saltaban el calentamiento por completo, el sistema funcionaba mucho peor. Esto sugiere que establecer una base sólida de cómo es un ovario a partir de las imágenes más claras de la ecografía es un primer paso crucial antes de intentar aplicar ese conocimiento a las más ambiguas exploraciones de RM.

El equipo también exploró cómo diferentes configuraciones afectaban el rendimiento del sistema. Descubrieron que el equilibrio entre la tarea estándar de emparejamiento de imágenes y la nueva tarea de la "guía de referencia" era delicado. Si el sistema dependía demasiado de la guía de la ecografía, no aprendía bien las características de la RM; si dependía demasiado poco, no lograba corregir sus errores. Mediante pruebas cuidadosas, identificaron una configuración específica que funcionaba mejor, demostrando que el método es robusto pero requiere un ajuste preciso. Los investigadores concluyeron que, si bien su enfoque logra cerrar la brecha entre dos mundos de imagen distintos sin necesidad de datos de pacientes emparejados, las limitaciones actuales de los datos disponibles significan que la tecnología aún está evolucionando. Planean seguir refinando el sistema, particularmente enseñándole a reconocer mejor los tejidos específicos que se encuentran justo al lado del ovario, que actualmente confunden a la computadora. Este trabajo representa un paso significativo hacia el uso de la inteligencia artificial para ayudar a los médicos a ver los detalles invisibles de la endometriosis, ofreciendo un camino hacia un diagnóstico y una atención más precisos.

Resumen Técnico: Segmentación de Ovarios por RM Transmodal mediante Priores de Prototipos de TVUS No Pareados

Planteamiento del Problema

La segmentación precisa de los ovarios en la Resonancia Magnética (RM) es crítica para localizar lesiones en pacientes con endometriosis, particularmente en el caso de los endometriomas ováricos (quistes de chocolate). Sin embargo, esta tarea sigue siendo altamente desafiante debido al pequeño tamaño de los ovarios y sus límites ambiguos con las estructuras pélvicas circundantes. Aunque la Ecografía Transvaginal (TVUS) suele capturar características más distintivas del ovario, obtener exámenes pareados de TVUS–RM para el aprendizaje supervisado transmodal es difícil en la práctica clínica. Los estudios existentes se centran principalmente en el análisis de una sola modalidad o en la clasificación de enfermedades, dejando la segmentación de ovarios transmodal en gran medida inexplorada. Existe una escasez de métodos capaces de transferir eficazmente el conocimiento anatómico de la TVUS a la RM sin requerir datos pareados.

Metodología

Los autores proponen un marco de doble rama diseñado para aprovechar las máscaras de ovarios de TVUS no pareadas para aprender un prior ovárico a nivel poblacional, que luego se transfiere para mejorar la segmentación de ovarios en RM. Los componentes principales de la metodología son:

1. Arquitectura de Doble Rama con Backbone MedSAM3

El marco utiliza MedSAM3, un modelo fundacional de segmentación de conceptos con capacidad de prompts, como el backbone tanto para la rama de TVUS como para la de RM.

Ajuste Fino de Parámetros Eficientes (PEFT): Ambas ramas emplean Adaptación de Bajo Rango (LoRA) para adaptar el modelo MedSAM3 preentrenado.
Configuración de las Ramas:
- Rama de TVUS: El backbone y los módulos LoRA se congelan tras una fase de calentamiento (warm-up). Un cabezal de proyección se actualiza mediante un Promedio Móvil Exponencial (EMA) desde la rama de RM.
- Rama de RM: Los módulos LoRA y el cabezal de proyección son entrenables.
Extracción de Características: El backbone de Vision Transformer (ViT) genera representaciones de características multiescala mediante una Red de Pirámide de Características (FPN). Estas características se mapean a incrustaciones (embeddings) normalizadas utilizando un cabezal de proyección ligero (convolución 1×1, GroupNorm, ReLU, normalización L2).

2. Construcción del Banco de Prototipos

Para inyectar conocimiento anatómico de la TVUS en la rama de RM, los autores construyen un prior de primer plano ovárico a nivel poblacional a partir de máscaras de ovarios de TVUS no pareadas.

Banco de Memoria de Prototipos: Este banco almacena prototipos de primer plano ( $p_{fg}^{TVUS}$ ) y de fondo ( $p_{bg}^{TVUS}$ ).
Extracción: Los prototipos de primer plano y fondo ( $q_{fg}, q_{bg}$ ) se extraen de las entradas de TVUS mediante el promedio de pooling enmascarado.
Mecanismo de Actualización: Los prototipos se actualizan mediante una estrategia de EMA:
$p_{fg}^{TVUS}(t) = \alpha p_{fg}^{TVUS}(t-1) + (1-\alpha) q_{fg}^{TVUS}(t)$
donde $\alpha$ es el coeficiente de impulso (momentum). Esto asegura un prior de prototipo estable que representa la anatomía a nivel poblacional en lugar de ruido específico de cada lote (batch).

3. Aprendizaje de Contraste de Prototipos

Dado que los conjuntos de datos no están pareados, no se impone una correspondencia espacial. En su lugar, el marco impone una consistencia anatómica transmodal en el espacio de características.

Objetivo: Se busca que las características de primer plano del ovario en RM ( $q_{fg}^{MRI}$ ) se acerquen a los prototipos de primer plano de TVUS ( $p_{fg}^{TVUS}$ ), mientras se alejan de los prototipos de fondo de TVUS ( $p_{bg}^{TVUS}$ ) y de las características de fondo de RM ( $q_{bg}^{MRI}$ ).
Función de Pérdida: Se emplea una pérdida de contraste InfoNCE ( $\mathcal{L}_{proto}$ ):
$\mathcal{L}_{proto} = -\log \frac{\exp(\text{sim}(q_{fg}^{MRI}, p_{fg}^{TVUS})/\tau)}{\exp(\text{sim}(q_{fg}^{MRI}, p_{fg}^{TVUS})/\tau) + \sum_{z \in \{p_{bg}^{TVUS}, q_{bg}^{MRI}\}} \exp(\text{sim}(q_{fg}^{MRI}, z)/\tau)}$
Pérdida Total: La pérdida de contraste se combina con la pérdida de segmentación estándar ( $\mathcal{L}_{seg}$ ) ponderada por $\lambda$ :
$\mathcal{L}_{total} = \mathcal{L}_{seg} + \lambda \mathcal{L}_{proto}$

4. Estrategia de Entrenamiento

Preentrenamiento de Calentamiento (Warm-up): La rama de TVUS se preentrena de forma independiente durante tres épocas para estabilizar el espacio de características y extraer prototipos fiables.
Entrenamiento Transmodal: Posteriormente, el modelo de TVUS se congela y la rama de RM se entrena durante 10 épocas utilizando los prototipos derivados de la TVUS.

Principales Contribuciones

El artículo detalla tres contribuciones primordiales:

Marco de Doble Rama: Una arquitectura novedosa para la segmentación de ovarios por RM construida sobre MedSAM3, capaz de aprender características específicas de la modalidad y representaciones anatómicas transmodales.
Prior Ovárico a Nivel Poblacional: La introducción de un banco de prototipos construido a partir de máscaras de ovarios de TVUS no pareadas, que proporciona guía anatómica para el aprendizaje de la representación de RM sin requerir datos pareados.
Aprendizaje de Contraste de Prototipos: Una estrategia para imponer consistencia anatómica transmodal, regularizando las representaciones de características de RM hacia características ováricas con significado anatómico derivadas de la TVUS.

Resultados Experimentales

El marco fue evaluado en conjuntos de datos públicos relacionados con la endometriosis: OTU-2D (TVUS) y UT-EndoMRI (RM).

Desempeño Cuantitativo: El enfoque propuesto de doble rama alcanzó un coeficiente Dice medio (mDICE) de 61.0% y una precisión media promedio (mAP) de 27.3%.
- Esto representa una mejora de más de 5 puntos porcentuales en mDICE comparado con el MedSAM3 totalmente ajustado (54.6%) y supera significativamente al MedSAM3 de cero disparos (zero-shot) (14.9%) y al nnU-Net 2D (28.9%).
Observaciones Cualitativas: El método produjo predicciones más compactas y redujo las respuestas de falsos positivos en las regiones pélvicas circundantes en comparación con las líneas base. Mientras que los modelos de cero disparos tuvieron dificultades con la localización y el nnU-Net falló en identificar la región ovárica, el método propuesto refinó las predicciones de los bordes.
Estudios de Ablación:
- Banco de Prototipos: Eliminar el banco de prototipos redujo el mDICE de 61.02% a 57.74%, confirmando su papel en la mejora de la calidad de la segmentación.
- Calentamiento (Warm-up): Un calentamiento de 3 épocas solo de TVUS produjo los mejores resultados. Un calentamiento conjunto o la ausencia de calentamiento provocaron caídas en el desempeño.
- Parámetros: El marco mostró robustez ante variaciones en el peso de la pérdida de contraste ( $\lambda$ ) y el impulso EMA ( $\alpha$ ), con un desempeño óptimo en $\lambda=0.015$ y $\alpha=0.95$ .

Significado y Afirmaciones

Los autores afirman que este trabajo demuestra la viabilidad de utilizar datos de TVUS no pareados para construir un útil prior de prototipo transmodal para la segmentación de ovarios por RM mediante prompts de texto.

Afirmaciones de Desempeño Modesto: Aunque el método supera a las líneas base del estado del arte, los autores reconocen que el desempeño general en la segmentación de ovarios por RM sigue siendo "modesto". Atribuyen esto a la disponibilidad limitada de anotaciones de ovarios en el conjunto de datos original y al desafío de que los prototipos de fondo estén dominados por píxeles fáciles en lugar de estructuras con similitud anatómica.
Perspectiva Metodológica: El estudio destaca que la transferencia directa desde modelos fundacionales (zero-shot) es insuficiente para esta tarea específica y que la adaptación al dominio objetivo mediante priors transmodales no pareados es una estrategia viable.
Direcciones Futuras: Los autores sugieren que el trabajo futuro debería centrarse en la construcción de prototipos de "fondo cercano" utilizando máscaras dilatadas, explorar el preentrenamiento autosupervisado para un mejor alineamiento de características, y extender el marco a la segmentación volumétrica 3D y otras modalidades (por ejemplo, video laparoscópico).