TransUNet-GradCAM: A Hybrid Transformer-U-Net with Self-Attention and Explainable Visualizations for Foot Ulcer Segmentation

Questo studio presenta TransUNet-GradCAM, un modello ibrido Transformer-U-Net che combina meccanismi di attenzione globale e locali per ottenere un'accurata segmentazione e visualizzazione spiegabile delle ulcere diabetiche del piede, dimostrando elevate prestazioni e robusta trasferibilità su dataset clinici esterni senza necessità di riaddestramento.

L'essenziale

🩹 Il "Dottore Digitale" che Capisce le Ferite: Una Storia di Intelligenza Artificiale

Immagina di dover misurare una ferita sul piede di un paziente diabetico. È un compito difficile: le ferite hanno forme strane, colori diversi e spesso si confondono con la pelle sana o lo sfondo. I medici umani sono bravissimi, ma sono stanchi, possono commettere errori di distrazione e misurare tutto a mano è lento.

Gli autori di questo studio (un gruppo di ricercatori del Ghana) hanno creato un "super-assistente digitale" chiamato TransUNet-GradCAM. Ecco come funziona, spiegato con metafore semplici.

1. Il Problema: Vedere il Quadro Completo e i Dettagli

Immagina di avere due tipi di occhi:

• L'Occhio Microscopico (CNN/U-Net): È bravissimo a vedere i dettagli vicini, come i bordi della ferita o una piccola cicatrice. Ma è come guardare attraverso un tubo: vede bene ciò che è davanti, ma non capisce cosa succede nel resto della stanza.
• L'Occhio Telescopico (Transformer): È come un falco che vola alto. Vede l'intera immagine, capisce il contesto (dove si trova il piede, qual è la forma generale), ma a volte perde i dettagli fini.

La soluzione degli autori? Hanno unito i due occhi in un solo super-occhio!
Hanno creato un'architettura ibrida (TransUNet) che usa la parte "microscopica" per vedere i bordi precisi della ferita e la parte "telescopica" per capire il contesto globale. È come avere un detective che esamina le impronte digitali (dettagli) ma sa anche leggere la mappa della città (contesto) per capire dove si trova il crimine.

2. L'Allenamento: La Palestra Virtuale

Per insegnare a questo assistente digitale a riconoscere le ferite, i ricercatori gli hanno mostrato migliaia di foto reali (il dataset FUSeg). Ma c'era un problema: le foto reali sono diverse (luce diversa, colori della pelle diversi, angolazioni diverse).

Per non far confondere l'AI, hanno usato una palestra virtuale molto creativa:

• Hanno preso le foto e le hanno "giocattolate": le hanno ruotate, capovolte, rese più luminose o più scure, e hanno cambiato i toni della pelle.
• È come se stessero allenando un atleta facendogli correre sotto la pioggia, col sole, con il vento e con gli occhiali da sole. In questo modo, quando l'AI vedrà una ferita reale in un ospedale, non si spaventerà per la luce strana o il colore della pelle.

3. Il Risultato: Un Medico Preciso e Onesto

Dopo l'allenamento, hanno fatto due cose importanti:

• Il Test di Precisione: L'AI ha misurato le ferite con una precisione incredibile (quasi il 90% di accordo con i medici umani). Ha imparato a distinguere la pelle sana dalla parte ferita anche quando la ferita è irregolare.
• Il Test di "Onestà" (Grad-CAM): Questa è la parte più bella. Spesso l'AI è una "scatola nera": sai che funziona, ma non sai perché. Qui, gli autori hanno aggiunto un "proiettore mentale" (Grad-CAM).
  • Immagina che l'AI indichi con un dito luminoso rosso le parti della foto su cui si sta concentrando.
  • Se l'AI guarda la ferita, il dito è rosso sulla ferita. Se guarda per sbaglio un coltello chirurgico o un lenzuolo, il dito si sposta lì.
  • Il paper mostra che il dito rosso dell'AI punta esattamente sulla ferita, ignorando il resto. Questo rassicura i medici: "Non sta indovinando, sta davvero guardando la parte malata".

4. Il Test Finale: Funziona anche con gli Stranieri?

Per vedere se l'AI era davvero intelligente o se aveva solo imparato a memoria le foto di allenamento, l'hanno mandata in due "ospedali stranieri" (dataset esterni) dove non aveva mai visto quelle immagini prima.

• Risultato: Anche se le foto erano diverse (luce diversa, macchine fotografiche diverse), l'AI ha continuato a funzionare bene. È come se avessi insegnato a un cuoco a fare la pasta e poi lo avessi mandato in un'altra cucina con ingredienti diversi: ha comunque fatto un ottimo piatto.

5. Perché è Importante?

Questo sistema non è solo un "gioco" da computer. È uno strumento che può:

• Misurare le ferite in modo oggettivo: Niente più "a occhio" o errori umani.
• Tracciare la guarigione: Può dire esattamente se la ferita sta migliorando o peggiorando giorno per giorno.
• Aiutare i medici: Libera i medici dal compito noioso di misurare e permette loro di concentrarsi sulla cura del paziente.

In Sintesi

Gli autori hanno creato un assistente medico ibrido che combina la precisione dei dettagli con la visione d'insieme. È stato allenato in una palestra virtuale per riconoscere qualsiasi tipo di ferita e, cosa fondamentale, ci mostra dove sta guardando per non nascondere i suoi ragionamenti. È un passo avanti verso un futuro in cui la tecnologia aiuta a curare le ferite più velocemente e in modo più sicuro per tutti.

Sommario tecnico

Titolo: TransUNet-GradCAM: Un Ibrido Transformer-U-Net con Self-Attention e Visualizzazioni Spiegabili per la Segmentazione di Ulcere del Piede

1. Problema e Contesto

La segmentazione automatica delle ulcere diabetiche del piede (DFU) è fondamentale per la diagnosi clinica, la pianificazione terapeutica e il monitoraggio longitudinale delle ferite. Tuttavia, questo compito presenta sfide significative a causa di:

• Eterogeneità visiva: Le ulcere presentano aspetti, morfologie irregolari e sfondi complessi nelle fotografie cliniche.
• Limiti delle CNN tradizionali: Architetture come U-Net, pur eccellendo nella localizzazione locale, faticano a modellare le dipendenze spaziali a lungo raggio e il contesto globale a causa del loro campo ricettivo limitato.
• Necessità di spiegabilità: In ambito clinico ad alto rischio, non è sufficiente ottenere un'alta accuratezza; è cruciale comprendere come il modello prende le decisioni per garantire la fiducia dei medici.

2. Metodologia

Gli autori propongono un framework ibrido TransUNet-GradCAM che combina i punti di forza delle Reti Neurali Convoluzionali (CNN) e dei Vision Transformer (ViT).

A. Architettura del Modello (TransUNet)

Il modello segue un pipeline Encoder-Transformer-Decoder:

1. Codificatore (Encoder): Utilizza blocchi convoluzionali sequenziali (due layer 2D 3x3, Batch Norm, ReLU) seguiti da pooling max per estrarre caratteristiche spaziali a basso e medio livello.
2. Bottleneck Transformer: Per superare i limiti delle CNN, la mappa delle caratteristiche più profonda viene trasformata in una sequenza di patch (token). Viene applicato un modulo Vision Transformer composto da 6 livelli di encoder, ciascuno con un meccanismo di Self-Attention Multi-Head (MHSA) a 8 teste. Questo permette al modello di catturare relazioni globali e dipendenze a lungo raggio tra regioni distanti dell'immagine.
3. Decodificatore (Decoder): Ricostruisce la maschera di segmentazione a piena risoluzione attraverso operazioni di up-sampling. Utilizza connessioni di skip per concatenare le caratteristiche up-sample con quelle dell'encoder, preservando i dettagli spaziali fini necessari per i bordi delle ferite.
4. Output: Un layer convoluzionale 1x1 con attivazione sigmoide produce una mappa di probabilità.

B. Strategia di Addestramento e Dati

• Dataset: Utilizzato il dataset pubblico FUSeg (Foot Ulcer Segmentation Challenge) con oltre 1.200 immagini.
  • Training: 810 immagini.
  • Validazione: 200 immagini.
  • Test: 200 immagini (senza ground truth, per valutazione qualitativa).
• Augmentation: Pipeline robusta per gestire variazioni di illuminazione e tono della pelle (rotazioni, flip, jitter di colore, sfocatura gaussiana).
• Funzione di Loss Ibrida: Combinazione di Binary Cross-Entropy (BCE) e Dice Loss per mitigare lo sbilanciamento delle classi (sfondo vs. ferita).
• Ottimizzazione: Adam optimizer, learning rate adattivo (ReduceLROnPlateau) e Early Stopping.

C. Spiegabilità (Explainability)

Integrazione di Grad-CAM (Gradient-weighted Class Activation Mapping) per generare mappe di calore che evidenziano le regioni dell'immagine su cui il modello si concentra maggiormente, fornendo trasparenza al processo decisionale.

3. Risultati Chiave

A. Performance Quantitativa (Validazione Interna)

Sul set di validazione del dataset FUSeg, il modello ha raggiunto:

• Dice Similarity Coefficient (DSC/F1-score): 0.8886 (con soglia ottimizzata a 0.4843).
• Intersection over Union (IoU): 0.7889.
• Accuratezza: 0.9973.
  Questi risultati superano o eguagliano le performance di metodi state-of-the-art (come ensemble U-Net + LinkNet e MiT-b3), dimostrando l'efficacia dell'architettura ibrida.

B. Validazione Esterna (Generalizzazione)

Il modello è stato testato "zero-shot" (senza ri-addestramento) su due dataset esterni indipendenti:

1. Dataset AZH Wound Care Center (n=278): DSC = 0.6209.
2. Dataset Medetec (n=152): DSC = 0.7850.
   Sebbene i punteggi siano inferiori rispetto alla validazione interna (dovuti al domain shift tra dispositivi e illuminazione), la capacità di mantenere prestazioni predittive su domini non visti conferma una buona generalizzazione delle caratteristiche apprese.

C. Utilità Clinica e Analisi Qualitativa

• Correlazione delle Aree: Esiste una forte correlazione lineare (r = 0.9749) tra l'area della ferita prevista dal modello e quella annotata dagli esperti.
• Analisi Bland-Altman: Bias medio trascurabile (-5.81 pixel), indicando che il modello non tende sistematicamente a sovrastimare o sottostimare le dimensioni.
• Grad-CAM: Le visualizzazioni confermano che il modello si concentra correttamente sul letto dell'ulcera, ignorando elementi di sfondo confondenti (strumenti chirurgici, pelle sana).

4. Contributi Principali

1. Architettura Ibrida: Integrazione efficace di ViT per il contesto globale e U-Net per la localizzazione locale specifica per le ulcere diabetiche.
2. Spiegabilità Clinica: Implementazione di Grad-CAM per rendere il modello "trasparente", un requisito essenziale per l'adozione in ambito medico.
3. Robustezza: Validazione su dataset multipli e dimostrazione di capacità di trasferimento su domini non visti senza ri-addestramento.
4. Pipeline Completa: Inclusione di post-processing (rimozione artefatti, riempimento buchi) e mappatura dell'incertezza per l'uso reale.

5. Significato e Impatto

Questo lavoro dimostra che l'integrazione di meccanismi di attenzione globale (Transformer) con l'architettura U-Net tradizionale offre una soluzione superiore per la segmentazione di ferite complesse.

• Impatto Clinico: Fornisce uno strumento affidabile per la misurazione oggettiva e automatica delle aree delle ferite, riducendo la variabilità inter-osservatore e supportando il monitoraggio longitudinale.
• Futuro: Il modello, con circa 19.57 milioni di parametri, è considerato efficiente per il deployment su dispositivi edge (es. tablet mobili), aprendo la strada a valutazioni delle ferite in tempo reale anche in contesti con risorse limitate.

In sintesi, TransUNet-GradCAM rappresenta un passo avanti verso l'IA spiegabile e robusta per la gestione delle ferite croniche, bilanciando alta accuratezza tecnica con la necessità di interpretabilità clinica.