💻 computer science

WaveInvNet: A Wavelet-Separated Dynamic Involution Network for Multimodal Skin Lesion Classification

Este artículo propone WaveInvNet, una arquitectura de aprendizaje profundo multimodal ligera que integra imágenes dermoscópicas con metadatos del paciente mediante un novedoso bloque de Involución Dinámica Separada por Wavelets para capturar adaptativamente características heterogéneas de las lesiones, logrando un rendimiento de vanguardia en la clasificación de lesiones cutáneas en el conjunto de datos HAM10000.

Autores originales: Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

Publicado 2026-09-23

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

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

El cáncer de piel es un desafío global implacable, con millones de nuevos casos diagnosticados cada año. Entre ellos, el melanoma es particularmente peligroso porque puede propagarse rápidamente a otras partes del cuerpo, lo que hace que la detección temprana sea una cuestión de vida o muerte. Durante décadas, los médicos han dependido de la dermatoscopia, una técnica que utiliza una herramienta de aumento especializada para examinar las lesiones cutáneas en detalle. Sin embargo, este proceso depende en gran medida de la experiencia del clínico, e incluso los expertos pueden discrepar sobre lo que ven. Para ayudar, la ciencia se ha volcado a la inteligencia artificial, enseñando a las computadoras a reconocer los patrones sutiles de la enfermedad en imágenes médicas. Aunque estos sistemas informáticos se han vuelto bastante buenos para detectar anomalías, a menudo luchan con la complejidad de las lesiones cutáneas. Los sistemas tradicionales tratan cada parte de una imagen de la misma manera, utilizando un conjunto de reglas único e invariable para escanear toda la imagen. Este enfoque puede pasar por alto las texturas únicas del centro de una lesión o los bordes irregulares de su contorno, fallando al no adaptarse a los detalles específicos que distinguen a un lunar inofensivo de un tumor peligroso.

Un equipo de investigadores de la Universidad Sidi Mohamed Ben Abdellah en Marruecos ha desarrollado un nuevo enfoque para resolver este problema, creando un sistema que llaman WaveInvNet. En lugar de utilizar un método de talla única, su sistema está diseñado para observar una imagen de la piel de dos maneras diferentes simultáneamente: una que captura la forma amplia y general de la lesión, y otra que se enfoca en los detalles finos e intrincados. Lo lograron utilizando una técnica matemática conocida como transformada de wavelet, que actúa como un prisma para las imágenes, dividiendo la información visual en capas separadas de estructura y textura. Al separar estas capas, la computadora puede analizar el panorama general y los detalles diminutos de forma independiente, asegurando que ningún indicio diagnóstico crítico se pierda en el proceso.

Los investigadores construyeron su sistema en torno a un componente novedoso que denominaron bloque de Involución Dinámica Separada por Wavelet (Wavelet-Separated Dynamic Involution block). En términos más sencillos, este es una unidad de procesamiento inteligente que aprende a ajustar su propio enfoque basándose en lo que ve. Cuando el sistema encuentra un área de piel suave, aplica un conjunto de reglas analíticas; cuando encuentra un borde rugoso e irregular, cambia instantáneamente a un conjunto de reglas diferente que es más adecuado para esa textura específica. Este ajuste dinámico permite que la computadora sea mucho más sensible a las características únicas de cada lesión. Además, el sistema no depende únicamente de la imagen. También tiene en cuenta la información del paciente, como la edad, el sexo y la ubicación de la lesión en el cuerpo. Al combinar el análisis visual con estos hechos clínicos, el sistema crea una imagen más completa de la condición del paciente antes de realizar un diagnóstico.

Para probar su creación, los investigadores entrenaron el sistema utilizando una gran colección de más de 10,000 imágenes de piel del conjunto de datos HAM10000, que incluye siete tipos diferentes de lesiones cutáneas. Dividieron los datos de modo que el sistema aprendiera de la mayoría de las imágenes y luego fuera probado con aquellas que nunca había visto antes. Los resultados fueron impactantes. El nuevo sistema identificó correctamente el tipo de lesión cutánea en el 93.63% de los casos de prueba, un rendimiento que superó a varios otros modelos de inteligencia artificial bien conocidos. También logró una puntuación del 98.46% en su capacidad para distinguir entre diferentes clases de enfermedades, una métrica conocida como área bajo la curva. Quizás lo más importante es que el sistema logró este alto nivel de precisión utilizando significativamente menos recursos informáticos que sus competidores. Requirió solo 2.54 millones de ajustes variables, que es menos de la mitad de los necesarios por algunos de los otros modelos líderes, convirtiéndolo en una herramienta ligera y eficiente para el uso médico.

El estudio también reveló dónde sobresalía el sistema y dónde todavía enfrentaba desafíos. Fue perfecto identificando ciertos tipos de lesiones raras, como las lesiones vasculares y los dermatofibromas, con cero errores en el conjunto de prueba. Sin embargo, ocasionalmente confundió el melanoma con lunares benignos, que son las dos categorías más comunes y visualmente similares. Esta confusión es una dificultad conocida en el campo, ya que las diferencias visuales entre un melanoma peligroso y un lunar inofensivo pueden ser increíblemente sutiles. A pesar de estos errores menores, el sistema demostró una capacidad constante para separar las diferentes clases de enfermedades, probando que su método de dividir la imagen en componentes estructurales y detallados funciona eficazmente. Los investigadores señalaron que, si bien el sistema funcionó bien en este conjunto de datos específico, el trabajo futuro necesitaría probarlo en una variedad más amplia de imágenes y condiciones clínicas para asegurar que funcione de manera confiable en hospitales del mundo real.

Este trabajo representa un paso significativo hacia adelante en la forma en que la inteligencia artificial puede asistir a los médicos en el diagnóstico del cáncer de piel. Al alejarse de un análisis rígido y uniforme y adoptar un método que se adapta a los detalles específicos de cada imagen, los investigadores han demostrado que las máquinas pueden aprender a ver las lesiones cutáneas de manera más similar a como lo hacen los expertos humanos. La integración de los datos del paciente con el análisis visual fortalece aún más el diagnóstico, reflejando la forma en que un médico considera al paciente en su totalidad, no solo la mancha en su piel. A medida que la carga del cáncer de piel continúa aumentando, herramientas como WaveInvNet ofrecen un camino prometedor hacia una atención más rápida, precisa y accesible, con el potencial de salvar vidas al detectar la enfermedad antes que nunca.

Resumen Técnico: WaveInvNet

Planteamiento del Problema
El artículo aborda la necesidad crítica de un diagnóstico temprano y preciso del cáncer de piel para reducir la mortalidad, particularmente en el caso del melanoma. Si bien el aprendizaje profundo, específicamente las Redes Neuronales Convolucionales (CNN), ha avanzado en el análisis automatizado de imágenes dermoscópicas, las arquitecturas convencionales enfrentan limitaciones. Las CNN estándar dependen de núcleos (kernels) compartidos espacialmente que procesan todas las regiones de la imagen de manera uniforme, fallando al no adaptarse a las estructuras heterogéneas de las lesiones cutáneas (por ejemplo, centros, bordes y piel circundante variables). Además, la extracción de características convencional suele procesar la información estructural y los detalles diagnósticos finos de forma conjunta, con el riesgo de perder patrones sutiles durante el submuestreo (downsampling). Adicionalmente, los conjuntos de datos de lesiones cutáneas como HAM10000 presentan un desequilibrio de clases significativo, lo que puede sesgar los modelos hacia las clases mayoritarias.

Metodología
Los autores proponen WaveInvNet, una arquitectura multimodal ligera diseñada para integrar imágenes dermoscópicas con metadatos del paciente (edad, sexo y localización anatómica). La innovación central reside en el bloque de Involución Dinámica Separada por Ondículas (WSDI), organizado dentro de un codificador jerárquico de cuatro etapas.

Bloque de Involución Dinámica Separada por Ondículas (WSDI):
- Descomposición de Ondícula de Haar Estacionaria: Los mapas de características de entrada se someten a una transformada de ondícula de Haar estacionaria. Esto separa los datos en un componente estructural de baja frecuencia ( $F_{LL}$ ) y tres componentes de detalle de alta frecuencia ( $F_{LH}, F_{HL}, F_{HH}$ ). A diferencia de las transformadas de ondícula discretas, este método preserva la resolución espacial original sin realizar submuestreo.
- Generación de Núcleos Específicos de Frecuencia: El bloque emplea generadores separados para estructura, detalle y compuerta (gating).
  - La rama estructural utiliza la subbanda de baja frecuencia para generar logits de núcleo brutos, los cuales se normalizan mediante Softmax para crear un núcleo no negativo de suma unitaria ( $K_{str}$ ) para la agregación estructural.
  - La rama de detalle procesa las subbandas de alta frecuencia concatenadas. Los logits resultantes se limitan mediante una tangente hiperbólica, se centran en la media y se normalizan con L1 para producir un núcleo con signo y suma cero ( $K_{det}$ ) que enfatiza las variaciones locales.
  - La rama de compuerta utiliza coefientes de alta frecuencia absolutos para generar una compuerta espacialmente variable ( $\beta$ ) que modula la contribución del núcleo de detalle.
- Integración Adaptativa de Núcleos: El núcleo final se calcula como $K_{wsdi} = K_{str} + \beta \odot K_{det}$ . Esto permite que la red ajuste dinámicamente cuánto detalle de grano fino influye en la agregación en cada ubicación espacial.
- Involución Agrupada: Estos núcleos adaptativos se aplican a vecindades locales mediante un operador de involución agrupada, donde los núcleos se comparten entre grupos de canales pero varían según la ubicación espacial.
- Refinamiento Residual: La salida se somete a expansión de canales, activación GELU, proyección, LayerScale y profundidad estocástica antes de ser añadida a la entrada residual.
Fusión Multimodal:
- Los metadatos del paciente se estandarizan y codifican.
- Tras la extracción de características sensibles a la frecuencia por parte del codificador jerárquico de cuatro etapas, se aplica un promedio global (global average pooling).
- La representación visual resultante se concatena con los metadatos codificados antes de pasar por una capa densa con activación softmax para la clasificación final.
Manejo de Datos:
- El modelo fue entrenado con el conjunto de datos HAM10000 (10,015 imágenes, 7 clases).
- Para abordar el desequilibrio de clases, se aplicó un aumento de datos (data augmentation) dirigido a las clases subrepresentadas (por ejemplo, aumentando significativamente las muestras de VASC y DF).
- Los valores de edad faltantes se imputaron con la mediana.

Contribuciones Clave

Nuevo Bloque WSDI: El artículo introduce la primera aplicación de un mecanismo que utiliza componentes estructurales y de detalle derivados de ondículas (wavelets) para guiar directamente la generación de núcleos de involución específicos de la ubicación para la clasificación de lesiones cutáneas.
Arquitectura Ligera: WaveInvNet es un codificador jerárquico de cuatro etapas que aprende progresivamente representaciones sensibles a la frecuencia y espacialmente adaptativas con un bajo recuento de parámetros.
Evaluación Exhaustiva: El estudio proporciona una comparación unificada contra arquitecturas CNN establecidas (EfficientNetB0, DenseNet121, ResNet50, ConvNeXt-Base, InceptionV3), evaluando el rendimiento, la eficiencia computacional y la complejidad del modelo.

Resultados
Evaluado en el conjunto de prueba de HAM10000 (división 70/10/20, promediado en 5 ejecuciones), WaveInvNet logró:

Exactitud (Accuracy): 93.63%
AUC: 98.46%
F1-Score: 94.81%
Precisión: 94.45%
Sensibilidad (Recall): 95.20%

El modelo demostró un rendimiento constante con desviaciones estándar bajas en las ejecuciones. En términos de eficiencia, WaveInvNet requirió solo 2.54 millones de parámetros entrenables (10.16 MB de pesos), lo que representa una reducción de aproximadamente un 42.6% en comparación con la base más pequeña (EfficientNetB0) y de un ~88.7% en comparación con InceptionV3.

El análisis de la matriz de confusión reveló que el modelo clasificó AKIEC, DF y VASC sin errores. La confusión principal ocurrió entre Melanoma (MEL) y Nevus (NV), y entre lesiones similares a queratosis benignas (BKL) y NV, lo cual es consistente con los desafíos diagnósticos conocidos en dermatología.

Significancia y Reivindicaciones
El artículo sostiene que WaveInvNet demuestra que la combinación de procesamiento visual sensible a la frecuencia (vía separación por ondículas) con la agregación espacialmente adaptativa (vía involución dinámica) y los metadatos del paciente permite una clasificación de lesiones cutáneas multiclase precisa y eficiente en parámetros. Los autores afirman que su enfoque supera a las bases de aprendizaje profundo existentes bajo condiciones experimentales idénticas, manteniendo al mismo tiempo una huella de modelo significativamente menor. Posicionan este trabajo como un paso hacia sistemas de apoyo diagnóstico más adaptables y eficientes que puedan manejar la heterogeneidad de las lesiones cutáneas y el desequilibrio de los conjuntos de datos clínicos.

Los autores señalan que, si bien los resultados son prometedores, el trabajo futuro debería incluir pruebas en conjuntos de datos adicionales para verificar la generalización en diferentes condiciones clínicas, explorar la validación cruzada de k-pliegues estratificada y extender la rama de metadatos para incluir otras variables clínicas. También identifican la explicabilidad y la estimación de la incertidumbre como áreas de investigación futura para mejorar la interpretabilidad clínica.

Más como este