💻 computer science

NeviUNet: An Efficient Attention-Enhanced Network for Skin Lesion Segmentation in Total Body Images

NeviUNet es una variante de U-Net eficiente y con mejora de atención que logra una segmentación de lesiones cutáneas precisa y de baja latencia en imágenes de cuerpo completo al integrar la activación Mish, puertas de atención (Attention Gates) y bloques SE, mientras omite componentes computacionalmente costosos.

Autores originales: Karolina Dzwonkowska, Piotr Marcin Szczypiński

Publicado 2026-09-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Karolina Dzwonkowska, Piotr Marcin Szczypiński

Artículo original bajo licencia CC BY 4.0 (https://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 piel humana es un paisaje vasto y complejo, que sirve tanto como escudo protector como espejo de nuestra salud interna. Dentro de este paisaje, los puntos pigmentados conocidos como lunares son comunes, pero algunos pueden cambiar de formas que señalan una amenaza grave como el melanoma. Debido a que estos cambios pueden ser sutiles y ocurrir a lo largo de los años, los médicos dependen del monitoreo a largo plazo, utilizando a menudo cámaras de alta resolución para fotografiar todo el cuerpo desde todos los ángulos. Esto crea una enorme cantidad de datos visuales, pero para que una computadora ayude a un médico, primero debe aprender a encontrar y delinear estos puntos específicos contra el fondo de la piel normal. Este proceso, llamado segmentación, es difícil porque los puntos pueden verse muy diferentes entre sí, a veces se mezclan con la piel y a menudo están rodecidos por elementos distractores como el vello o una iluminación desigual.

Durante años, los científicos han intentado enseñar a las computadoras a realizar este trabajo utilizando el aprendizaje profundo (deep learning), un tipo de inteligencia artificial que imita la forma en que el cerebro humano procesa las imágenes. La herramienta más popular para este trabajo ha sido una arquitectura de computadora específica conocida como U-Net, que actúa como un sofisticado cartógrafo, haciendo zoom para ver detalles finos y alejándose para comprender la imagen completa. Sin embargo, ha surgido un problema persistente: los modelos de computadora más precisos suelen ser tan pesados y complejos que funcionan demasiado lento para ser útiles en una clínica real, mientras que los modelos más rápidos suelen ser demasiado simples para encontrar los puntos complicados con precisión. Investigadores de la Universidad Tecnológica de Łódź en Polonia se propusieron resolver este dilema específico creando un nuevo sistema que sea lo suficientemente nítido para ver los detalles y lo suficientemente ligero como para funcionar rápidamente en equipos médicos estándar.

El equipo desarrolló un nuevo modelo de computadora que llamaron NeviUNet, diseñado específicamente para analizar imágenes tomadas por un escáner de cuerpo completo prototipo llamado Dermo Studio. Este escáner captura cuarenta imágenes de alta resolución del cuerpo de un paciente mientras este rota, creando un registro digital completo de su piel. Para enseñar a su nuevo modelo, los investigadores reunieron una colección de estas imágenes y pidieron a un especialista en la piel que dibujara manualmente contornos precisos alrededor de los lunares en cada imagen. Debido a que las imágenes son tan grandes y detalladas, la computadora no puede procesarlas todas a la vez, por lo que el equipo las dividió en cuadrados más pequeños y manejables. Luego entrenaron a su IA para que mirara estos cuadrados y decidiera qué píxeles pertenecían a un lunar y cuáles a la piel normal.

Los investigadores enfrentaron un obstáculo significativo: en estas fotos de cuerpo completo, los lunares reales cubren solo una fracción minúscula de la imagen, mientras que el resto es solo piel. Este desequilibrio hace que sea muy fácil para una computadora priorizar la clase mayoritaria y suponer que todo es simplemente piel de fondo, ignorando los lunares por completo. Para evitar esto, el equipo diseñó su modelo con un enfoque especial en las partes raras e importantes de la imagen. Construyeron el sistema utilizando una versión simplificada de la estructura U-Net, pero añadieron mejoras específicas y dirigidas. Incluyeron un mecanismo que ayuda a la computadora a prestar atención a las características más relevantes y un enfoque matemático especial que penaliza fuertemente a la computadora si pierde de vista un lunar, obligándola a ser más cuidadosa. Crucialmente, omitieron deliberadamente algunos de los componentes pesados y complejos que se encuentran en otros modelos avanzados, los cuales se sabe que ralentizan las cosas sin añadir necesariamente suficiente valor para esta tarea específica.

Cuando probaron su creación, los resultados fueron claros. El nuevo modelo NeviUNet identificó y delineó los lunares con un alto grado de precisión, superando significativamente tanto a los modelos básicos y más antiguos como a los modelos mucho más pesados y complejos que se habían probado antes. Mientras que los modelos más pesados tenían dificultades para funcionar con fluidez y a menudo producían resultados inconsistentes, el nuevo modelo pudo procesar las imágenes de manera rápida y confiable. De hecho, el sistema fue lo suficientemente rápido como para analizar los miles de cuadrados de imagen generados por un solo escaneo corporal en un tiempo que coincide con la velocidad del propio escáner. Esto significa que, en una clínica del mundo real, un médico podría potencialmente ver el análisis de la computadora de todo el cuerpo de un paciente casi inmediatamente después de que finalice el escaneo, sin tener que esperar tiempos de procesamiento lentos.

El estudio también reveló algo importante sobre cómo deberían construirse estos modelos de computadora. Los investigadores descubrieron que el simple hecho de hacer un modelo más grande o añadir más capas complejas no lo hace automáticamente mejor. En sus pruebas, los modelos más complejos disponibles en realidad funcionaron peor que su diseño más ligero, probablemente porque eran demasiado complicados para aprender eficazmente de la cantidad limitada de datos de entrenamiento que tenían. El éxito de NeviUNet sugiere que el mejor camino a seguir no es construir el cerebro de computadora más grande posible, sino construir uno más inteligente y eficiente que esté cuidadosamente ajustado al trabajo específico que debe realizar. Al equilibrar la precisión con la velocidad, este nuevo enfoque ofrece una vía práctica para llevar la inteligencia artificial avanzada a la práctica diaria de la detección del cáncer de piel, haciendo posible el monitoreo de los pacientes de manera más efectiva y detectando cambios peligrosos de forma más temprana.

Resumen Técnico: NeviUNet para la Segmentación de Lesiones Cutáneas en Imágenes de Cuerpo Completo

Planteamiento del Problema
El artículo aborda el desafío de realizar una segmentación automatizada eficiente y precisa de las lesiones cutáneas dentro de la fotografía de cuerpo completo adquirida bajo condiciones clínicas. Si bien el aprendizaje profundo, particularmente las arquitecturas U-Net, ha avanzado en la segmentación de lesiones cutáneas, existe un compromiso crítico entre la precisión predictiva y la eficiencia computacional. Los modelos altamente complejos como ResUNet++ suelen lograr un alto rendimiento, pero incurren en costos computacionales elevados, lo que los hace inadecuados para entornos clínicos con recursos limitados o de tiempo real. Además, las imágenes de cuerpo completo presentan dificultades únicas, incluyendo un desequilibrio de clases severo (donde las lesiones ocupan una fracción pequeña del área de la imagen), bajo contraste, bordes irregulares y artefactos como el vello. Las soluciones existentes a menudo no logran equilibrar la necesidad de un análisis de alta resolución con los estrictos requisitos de latencia para el despliegue clínico, donde la segmentación debe ocurrir de manera rápida durante o inmediatamente después de un escaneo.

Metodología
El estudio propone NeviUNet, una arquitectura U-Net modificada diseñada para cerrar la brecha entre la U-Net base ligera y la computacionalmente pesada ResUNet++.

Conjunto de Datos y Preprocesamiento: El modelo fue entrenado con un conjunto de datos derivado de un prototipo de escáner de cuerpo completo "Dermo Studio", que captura imágenes de alta resolución (20 MP) de toda la superficie de la piel desde múltiples ángulos. Debido a la naturaleza laboriosa de la anotación manual por parte de expertos en dermatología, el conjunto de datos se limitó a 29 imágenes de alta resolución de cinco pacientes. Para gestionar las restricciones de memoria de la GPU, las imágenes se descompusieron en parches de 512×512 píxeles con un 12.5% de superposición. Un paso de preprocesamiento significativo consistió en eliminar el 85% de los parches que contenían solo fondo para mitigar el severo desequilibrio de clases. Los datos se dividieron de tal manera que los datos de un paciente sirvieron como un conjunto de prueba independiente, mientras que el resto de los datos se dividió en conjuntos de entrenamiento (80%) y validación (20%).
Diseño de la Arquitectura: NeviUNet conserva la estructura de codificador-decodificador de U-Net, pero incorpora mejoras específicas inspiradas en ResUNet++ mientras omite componentes computacionalmente costosos:
- Codificador: Consta de cuatro niveles con filtros que aumentan de 16 a 128. Utiliza dos capas convolucionales de 3×3 por nivel seguidas de Normalización por Lotes (Batch Normalization) y la función de activación Mish (elegida por una mejor propagación de gradientes sobre ReLU).
- Mecanismos de Atención: La arquitectura integra bloques de Squeeze-and-Excitation (SE) después de cada etapa del codificador y en la capa de cuello de botella (bottleneck) para realizar atención por canales. Además, se aplican Puertas de Atención (Attention Gates) antes de las conexiones de salto (skip connections) para filtrar las características del codificador y suprimir el ruido de fondo.
- Omisiones: Para mantener la eficiencia, el modelo omite explícitamente las conexiones residuales y el módulo Atrous Spatial Pyramid Pooling (ASPP), ambos presentes en ResUNet++, los cuales contribuyen significativamente a la carga computacional.
- Decodificador: Utiliza convoluciones transpuestas para el sobremuestreo (upsampling), consistente con U-Net, en lugar del sobremuestreo bilineal encontrado en ResUNet++.
Función de Pérdida: Para abordar el desequilibrio de clases y mejorar la delineación de bordes, se empleó una función de pérdida compuesta, combinando la Pérdida de Tversky Focal (Focal Tversky Loss) y la Entropía Cruzada Binaria (BCE). El componente de Tversky Focal penaliza fuertemente los falsos negativos (usando parámetros $\alpha=0.8, \beta=0.2$ ) y se enfoca en la optimización de píxeles de baja confianza mediante un parámetro focal $\gamma$ .
Entrenamiento: El modelo fue entrenado utilizando el optimizador AdamW con parada temprana (early stopping) basada en los puntajes de Dice-Sørensen de validación.

Resultos Clave
El enfoque propuesto fue evaluado frente a una U-Net base y ResUNet++ en un conjunto de prueba independiente utilizando el Coeficiente de Dice-Sørensen (DSC) como métrica principal.

Rendimiento: NeviUNet logró un DSC medio de 0.729, superando significativamente la mejor configuración de ResUNet++ (0.531) y la U-Net base (que no logró detectar lesiones, arrojando un DSC cercano a cero). El modelo propuesto también demostró una menor varianza en el rendimiento en comparación con ResUNet++.
Eficiencia Computacional: NeviUNet mantuvo una estructura ligera con aproximadamente 1.98 millones de parámetros entrenables, comparable a la U-Net base (1.94 millones) y significativamente inferior a ResUNet++ (4.06 millones).
Latencia de Inferencia: NeviUNet logró una latencia de inferencia de aproximadamente 32 ms para un tamaño de lote de 8 con alta estabilidad. En contraste, ResUNet++ exhibió una latencia superior a los 200 ms con alta varianza bajo las mismas condiciones. La U-Net base era más rápida, pero falló en precisión.
Velocidad de Entrenamiento: NeviUNet completó el entrenamiento en 24 minutos (78 épocas), mientras que ResUNet++ requirió 83 minutos (51 épocas).

Significancia y Reivindicaciones
El artículo sostiene que NeviUNet demuestra con éxito que una alta precisión de segmentación en escenarios desafiantes de imágenes de cuerpo completo no requiere aumentar la complejidad del modelo o el número de parámetros. Al integrar selectivamente mecanismos de atención (bloques SE, Puertas de Atención) y la función de activación Mish, mientras se eliminan los módulos residuales y ASPP computacionalmente intensivos, los autores lograron un modelo que es tanto preciso como eficiente.

La significancia de este trabajo radica en su idoneidad para el despliegue clínico en tiempo real. La velocidad de inferencia (aproximadamente 32 ms para un lote de 8 parches) y los bajos requisitos de hardware hacen que NeviUNet sea viable para su integración en sistemas de imagen de piel de cuerpo completo automatizados, como el escáner Dermo Studio. Los autores enfatizan que su enfoque ofrece una solución práctica para el monitoreo longitudinal de los nevos melanocíticos, permitiendo la detección y el seguimiento confiable de las lesiones sin los costos computacionales prohibitivos asociados con las arquitecturas pesadas de vanguardia. El estudio concluye que la adaptación arquitectónica a las restricciones de aplicación específicas es más efectiva que simplemente escalar la capacidad del modelo.

Más como este