Autism Detection based on Structural MRI using YOLO

Resumen Técnico: Detección de Autismo basada en RM Estructural mediante YOLO

Planteamiento del Problema
El Trastorno del Espectro Autista (TEA) es una condición del neurodesarrollo que afecta la comunicación social y el comportamiento, con tasas de prevalencia que aumentan significativamente (por ejemplo, 1 de cada 36 niños en 2020). El diagnóstico temprano es crítico para la intervención, pero a menudo se retrasa debido a la dependencia de evaluaciones conductuales subjetivas y a la falta de marcadores biológicos objetivos. Si bien la Resonancia Magnética Estructural (sMRI) ofrece un método no invasivo para detectar anomalías neuroanatómicas asociadas con el TEA, los enfoques actuales de aprendizaje profundo enfrentan varias limitaciones. Muchos estudios utilizan rangos de edad amplios sin considerar las diferencias en el desarrollo cerebral relacionadas con la edad, lo que conduce a una generalización deficiente y al sobreajuste (overfitting). Además, los modelos de clasificación tradicionales (por ejemplo, ResNet50, VGG16) a menudo tratan las exploraciones de RM como clases de imágenes globales, lo que podría pasar por alto biomarcadores estructurales sutiles y localizados. Existe la necesidad de herramientas de detección inteligentes y eficientes que aprovechen arquitecturas de detección de objetos avanzadas para identificar estas desviaciones neuroanatómicas sutiles con alta precisión.

Metodología
El estudio propone un marco de diagnóstico utilizando modelos de detección de objetos You Only Look Once (YOLO) (versiones 8 a 11) aplicados a datos de sMRI del conjunto de datos ABIDE II. La metodología involucra los siguientes pasos clave:

1. Conjunto de Datos y Preprocesamiento:

   • Fuente de Datos: El conjunto de datos ABIDE II, que contiene exploraciones sMRI ponderadas en T1 de 522 individuos con TEA y 592 individuos con desarrollo típico (TD).
   • Estratificación por Edad: Para abordar la variabilidad del desarrollo, el conjunto de datos se dividió en dos grupos de edad específicos: 5.8–6.8 años y 7–12 años.
   • Extracción de Cortes: Los volúmenes sMRI 3D originales se convirtieron en secuencias de imágenes 2D. De cada uno de los tres planos anatómicos (axial, sagital y coronal), se extrajeron los 50 cortes centrales que contienen la información cerebral más vital.
   • Anotación: Utilizando la plataforma Roboflow, cada corte 2D se redimensionó a 224 × 224 píxeles. A diferencia de la segmentación tradicional, se dibujó un único cuadro delimitador (bounding box) alrededor de toda el área del tejido cerebral para cada corte. La etiqueta de clasificación (TEA o TD) se asignó a todo el corte basándose en el diagnóstico del paciente, tratando la región cerebral como un "objeto" único a detectar.

2. Arquitectura del Modelo:

   • El estudio adaptó los modelos YOLO (v8, v9, v10, v11), diseñados originalmente para la detección de objetos, para la clasificación de TEA. Este enfoque aprovecha la conciencia de la ubicación espacial y las redes de características jerárquicas (FPN) para detectar biomarcadores estructurales como patrones locales en lugar de patrones de intensidad globales.
   • Características Arquitectónicas Clave:
     • YOLOv8: Utiliza backbones CSPNet y cuellos FPN+PAN con detección sin anclas (anchorless).
     • YOLOv9: Emplea la Red de Agregación de Capas Eficiente Generalizada (GELAN) e Información de Gradiente Programable (PGI) para una mejor fusión de características multiescala.
     • YOLOv10: Utiliza CSPNet con convoluciones de profundidad separable para reducir el costo computacional.
     • YOLOv11: Incorpora mecanismos C2PSA (Cross-Stage Partial con Atención Espacial Paralela) para enfocarse en regiones de interés específicas y SPPF para la agregación de características espaciales.
   • Configuración de Entrenamiento: Los modelos se entrenaron en Google Colab (NVIDIA T4) utilizando PyTorch. Los parámetros incluyeron un tamaño de lote (batch size) de 16, 100 épocas y tasas de aprendizaje específicas (0.001 para Adam). Se emplearon aumentación de datos y parada temprana (paciencia = 20) para prevenir el sobreajuste.

3. Métricas de Evaluación:

   • El rendimiento se evaluó mediante Precisión, Recall, Precisión Media Promedio (mAP50 y mAP50-95) y el Coeficiente de Similitud de Dice Promedio (Av DICE) para medir el solapamiento espacial entre las predicciones y la verdad de campo (ground truth).
   • Los puntos de referencia comparativos incluyeron arquitecturas CNN tradicionales: ResNet50 y VGG16.

Contribuciones Clave

• Aplicación de la Detección de Objetos al TEA: El estudio demuestra la eficacia de adaptar los modelos de detección de objetos YOLO para la clasificación de neuroimágenes, enmarcando la detección de biomarcadores de TEA como una tarea de detección de objetos en lugar de un problema estándar de clasificación de imágenes.
• Análisis Estratificado por Edad: Al separar explícitamente el conjunto de datos en dos grupos de edad más jóvenes (5.8–6.8 y 7–12 años), el estudio aborda la limitación de los estudios con rangos de edad amplios, con el objetivo de mejorar la generalización diagnóstica a través de las etapas de desarrollo.
• Extracción de Cortes Multi-Plano: El marco genera secuencias de imágenes 2D a partir de datos sMRI 3D mediante la extracción de 50 cortes de los planos axial, sagital y coronal, maximizando la información espacial disponible para el entrenamiento.
• Rendimiento Comparativo: La investigación proporciona una comparación exhaustiva de las versiones de YOLO 8–11 frente a modelos de aprendizaje profundo tradicionales (ResNet50, VGG16) específicamente para la detección de TEA en sMRI.

Resultados Experimentales
Los experimentos arrojaron los siguientes hallazgos:

• Superioridad de los Modelos YOLO: En ambos grupos de edad, los modelos YOLO superaron consistentemente a ResNet50 y VGG16 en precisión, recall, mAP y puntuaciones DICE.
• Grupo de Edad 1 (5.8–6.8 años): YOLOv11 alcanzó el mayor rendimiento con una precisión de 0.9957, un recall de 0.998 y un coeficiente DICE promedio de 0.9978. YOLOv9 también funcionó excepcionalmente bien. En contraste, ResNet50 y VGG16 mostraron una precisión menor y signos de sobreajuste o mala generalización.
• Grupo de Edad 2 (7–12 años): Todas las versiones de YOLO mantuvieron un alto rendimiento (precisión y recall generalmente ≥0.95). YOLOv9 y YOLOv8 lograron los puntajes DICE más altos (0.9957), mientras que YOLOv11 mostró una ligera disminución relativa en su rendimiento en comparación con el grupo más joven, aunque sigue superando a las CNN tradicionales.
• Robustez del Modelo: Los resultados sugieren que las arquitecturas YOLO, particularmente aquellas con mecanismos de atención avanzados (como C2PSA en v11) y agregación de características eficientes (como GELAN en v9), son más adecuadas para identificar las anomalías estructurales sutiles y localizadas en la sMRI asociadas con el TEA.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto ofrece una perspectiva prometedora para el diagnóstico temprano del TEA utilizando la tecnología YOLO. El estudio destaca que:

• Las arquitecturas de detección de objetos pueden extenderse con éxito a la clasificación de neuroimágenes al tratar las diferencias estructurales como patrones locales.
• La integración de características multiescala y procesos de atención espacial en los modelos YOLO (específicamente v9 y v11) revela eficazmente anomalías neuroanatómicas sutiles en las etapas tempranas del TEA.
• El marco demuestra una alta eficiencia computacional y robustez en el manejo de imágenes de RM.
• Aunque los resultados son sobresalientes, los autores posicionan este trabajo como un paso hacia la futura aplicabilidad clínica, sugiriendo que tal tecnología podría apoyar la detección temprana y las estrategias de intervención personalizada. El estudio no reclama un despliegue clínico inmediato, sino que valida la viabilidad técnica y el rendimiento superior de este enfoque en comparación con los métodos existentes.