Region-Affinity Attention for Whole-Slide Breast Cancer Classification in Deep Ultraviolet Imaging

1. Il Problema

La diagnosi del cancro al seno richiede strumenti rapidi e precisi, specialmente in contesti intraoperatori (come la chirurgia conservativa del seno). Tuttavia, i metodi istopatologici tradizionali basati sulla colorazione ematossilina-eosina (H&E) sono lenti, richiedono una preparazione del campione dispendiosa e soffrono di variabilità inter-osservatore.

L'imaging a fluorescenza nell'ultravioletto profondo (DUV) emerge come una soluzione trasformativa, offrendo visualizzazioni ad alto contrasto e senza marcatori delle immagini a intero vetrino (WSI) con dettagli superiori rispetto all'H&E. Nonostante ciò, l'analisi computazionale delle DUV-WSI presenta sfide significative:

• Frammentazione spaziale: I metodi attuali basati su deep learning elaborano le immagini a "patch" (ritagli), perdendo il contesto spaziale globale essenziale per una diagnosi accurata.
• Limiti dei meccanismi di attenzione esistenti: Meccanismi come Spatial Attention, Squeeze-and-Excitation (SE), Global Context e Guided Context Gating non sfruttano appieno le relazioni regionali multi-scala intrinseche nei dati DUV-WSI. Spesso privilegiano una ricalibrazione generica delle caratteristiche rispetto alla specificità diagnostica o falliscono nel modellare esplicitamente le relazioni di vicinanza locale.
• Overhead computazionale: L'elaborazione a patch introduce un sovraccarico di pre-elaborazione che limita l'utilità clinica in tempo reale.

2. Metodologia

Gli autori propongono un nuovo framework di deep learning che elabora l'intero vetrino (Whole-Slide) senza frammentazione, preservando l'integrità spaziale. La pipeline si compone di tre fasi principali:

A. Apprendimento della Rappresentazione Spaziale

• Viene utilizzato un EfficientNetV2-B0 pre-addestrato (su ImageNet) come estrattore di caratteristiche.
• Le immagini DUV-WSI vengono ridimensionate a 256x256 pixel per bilanciare efficienza e ritenzione delle caratteristiche.
• Il modello estrae una mappa di caratteristiche $F$ che codifica sia i pattern morfologici locali (atipie cellulari) che le strutture tissutali globali.

B. Meccanismo di Attenzione per Affinità di Regione (Region-Affinity Attention - RAA)

Questa è l'innovazione centrale del lavoro. A differenza delle attention globali (come nei Transformer) o delle attention pixel-per-pixel, la RAA modella le relazioni di vicinato locale:

1. Proiezione delle Caratteristiche: Le caratteristiche vengono proiettate in uno spazio a dimensionalità ridotta ($d'=512$) tramite un layer convoluzionale 1x1.
2. Costruzione della Matrice di Affinità: Per ogni pixel, viene calcolata la distanza L1 rispetto ai pixel vicini (finestra locale, es. 3x3). Queste distanze vengono elaborate da una MLP (Multi-Layer Perceptron) con funzioni di attivazione GELU e ReLU per apprendere una funzione di pesatura adattiva.
3. Normalizzazione Softmax: Le distanze trasformate vengono normalizzate per creare una matrice di affinità $A_{ij}$, che assegza pesi più alti ai vicini con caratteristiche simili (rappresentanti regioni diagnosticamente rilevanti come i margini tumorali).
4. Ricostruzione delle Caratteristiche: Le caratteristiche originali vengono ricostruite come una combinazione pesata dei vicini, enfatizzando le regioni coerenti e sopprimendo il rumore di fondo. Un collegamento residuo garantisce la stabilità.

• Vantaggio computazionale: La complessità è lineare rispetto alla dimensione dell'immagine ($O(h \times w \times |K|)$), rendendola scalabile rispetto alla complessità quadratica dei Transformer.

C. Classificazione e Funzione di Perdita

• Le caratteristiche raffinate vengono passate a un MLP per la classificazione binaria (benigno/maligno).
• Strategia di Addestramento Ibrida: Viene utilizzata una funzione di perdita combinata:
  • Cross-Entropy: Per la classificazione standard.
  • Contrastive Loss: Per migliorare la discriminabilità delle caratteristiche nello spazio latente, spingendo le classi simili più vicine e quelle diverse più lontane. Questo è cruciale per distinguere le sottili differenze morfologiche nelle immagini DUV.

3. Contributi Chiave

1. Meccanismo RAA: Introduzione di un nuovo meccanismo di attenzione che modella le relazioni di vicinato locale tramite una matrice di affinità apprendibile, specifico per dati DUV-WSI, senza frammentazione a patch.
2. Strategia di Addestramento Dual-Objective: Combinazione di supervisione cross-entropy e contrastiva per migliorare la separazione delle classi morfologicamente simili in immagini ad alta risoluzione.
3. Elaborazione End-to-End dell'Intero Vetrino: Un approccio che preserva la coerenza spaziale, superando i limiti dei metodi basati su patch.

4. Risultati Sperimentali

Il metodo è stato valutato su un dataset di 136 campioni DUV-WSI di tessuto mammario, utilizzando la validazione incrociata a 5 fold.

• Performance Quantitativa:
  • Accuratezza: 92.67% ± 0.73% (superiore a tutti i metodi di confronto).
  • AUC (Area Under Curve): 95.97% ± 0.92%.
  • F1-Score: 92.36%.
  • Il modello RAA supera significativamente i meccanismi di attenzione esistenti (Spatial, SE, Global Context, GCG) e le architetture di base (ResNet50, ViT, DenseNet121).
• Studio Ablativo:
  • La rimozione della Contrastive Loss ha causato un calo drastico dell'accuratezza (da 92.67% a 89.00%), dimostrando la sua importanza per la discriminazione delle caratteristiche.
  • L'uso di EfficientNetV2-B0 come encoder si è rivelato il miglior compromesso tra efficienza e prestazioni.
  • Una finestra di vicinato 3x3 ha mostrato le prestazioni ottimali rispetto a finestre più grandi (5x5, 7x7, 9x9), che hanno introdotto rumore.
• Valutazione Qualitativa (Grad-CAM++):
  • Le mappe di attenzione generate mostrano che la RAA si concentra in modo più preciso sulle regioni diagnosticamente rilevanti (margini tumorali, atipie cellulari), mentre altri metodi mostrano attivazioni più diffuse e meno interpretabili.

5. Significato e Implicazioni

• Utilità Clinica: L'approccio offre un potenziale strumento di supporto decisionale per i patologi, capace di funzionare in tempo reale durante interventi chirurgici per la valutazione dei margini tumorali, riducendo il rischio di recidiva.
• Innovazione Tecnica: Dimostra che l'attenzione basata su affinità locale è superiore all'attenzione globale o a patch per l'analisi di immagini di fluorescenza ad alta risoluzione, dove le relazioni strutturali locali sono critiche.
• Limitazioni e Futuro: Lo studio è limitato a un singolo dataset (136 campioni) e non cattura dipendenze a lungo raggio oltre la finestra locale. Il lavoro futuro prevede l'estensione a immagini H&E, l'uso di cohort multi-centro e l'integrazione con meccanismi di affinità gerarchica o multi-scala.

In sintesi, questo lavoro propone una soluzione robusta ed efficiente per la classificazione del cancro al seno su immagini DUV-WSI, superando i limiti attuali dell'elaborazione a patch e migliorando significativamente l'accuratezza diagnostica e l'interpretabilità del modello.