Reducing Annotation Burden for Femoral Cartilage Segmentation in Knee MRI via Cross-Sequence Transfer Learning

Sintesi Tecnica: Riduzione del Carico di Annotazione per la Segmentazione della Cartilagine Femorale in Risonanza Magnetica del Ginocchio tramite Apprendimento per Transfer Cross-Sequence

Enunciazione del Problema
La segmentazione accurata della cartilagine femorale nelle immagini di risonanza magnetica (MRI) del ginocchio è fondamentale per quantificare la progressione dell'osteoartrite. Sebbene l'apprendimento profondo (DL) abbia migliorato l'efficienza della segmentazione, la maggior parte dei modelli esistenti viene addestrata e valutata su una singola sequenza MRI, prevalentemente la sequenza steady-state a doppio eco (DESS) dell'Iniziativa per l'Osteoartrite (OAI). La pratica clinica, tuttavia, utilizza frequentemente altre sequenze, come la sequenza Cube 3D a spin-echo veloce ponderata in densità protonica, che offrono diversi contrasti tissutali e risoluzioni spaziali. L'applicazione diretta di modelli addestrati su una sequenza a un'altra spesso comporta un degrado delle prestazioni. Il riaddestramento dei modelli da zero su sequenze target richiede grandi volumi di dati annotati manualmente, un processo laborioso e spesso non fattibile a causa della scarsità di dataset clinici etichettati. La sfida principale affrontata è determinare se l'apprendimento per transfer cross-sequence possa raggiungere prestazioni di segmentazione paragonabili all'addestramento sulla stessa sequenza, riducendo significativamente il numero di annotazioni richieste nel dominio target.

Metodologia
Lo studio ha adottato un disegno retrospettivo utilizzando due dataset: 507 immagini DESS provenienti dall'OAI e 44 immagini Cube acquisite presso l'IRCCS Istituto Ortopedico Rizzoli. La coorte Cube è stata abbinata alla coorte OAI in base a età, sesso, indice di massa corporea (BMI), lateralità e grado di Kellgren–Lawrence (KLG), stratificata in sottogruppi senza lesioni e con lesioni.

• Architettura: È stata implementata una U-Net 2D modificata. L'architettura presentava un encoder con quattro livelli di risoluzione (da 64 a 512 canali) e un collo di bottiglia (1024 canali), seguito da un decoder con connessioni in skip. Le modifiche includevano la sostituzione delle convoluzioni valid con convoluzioni con padding same per preservare le dimensioni spaziali, l'aggiunta della normalizzazione batch e l'introduzione della regolarizzazione dropout.
• Strategia di Addestramento:
  1. Ottimizzazione: Gli iperparametri (funzione di perdita, tasso di apprendimento, dimensione del batch, dropout) e i parametri di aumento dei dati sono stati ottimizzati utilizzando un Tree-structured Parzen Estimator (Optuna) sull'intero dataset DESS OAI.
  2. Baseline Same-Sequence: I modelli sono stati addestrati da zero su sottoinsiemi di immagini DESS e Cube utilizzando la validazione incrociata a livello di soggetto (70% addestramento, 20% validazione, 10% test) per stabilire le baseline delle prestazioni.
  3. Apprendimento per Transfer Cross-Sequence: I modelli pre-addestrati sono stati affinati (fine-tuned) sulla sequenza target. L'encoder è stato congelato per preservare le caratteristiche di basso livello, mentre il collo di bottiglia e il decoder sono stati aggiornati. Il fine-tuning ha utilizzato un tasso di apprendimento ridotto ($1 \times 10^{-5}$) e dimensioni del batch più piccole.
• Analisi della Convergenza: Per determinare il carico minimo di annotazione, la dimensione del set di addestramento per il dominio target è stata incrementata progressivamente (da 1 al massimo disponibile) mantenendo fissi i set di validazione e test. La convergenza è stata definita come un miglioramento assoluto inferiore a 0,003 nel Coefficiente di Similarità Dice (DSC) su quattro incrementi consecutivi.
• Valutazione: Le prestazioni sono state misurate utilizzando DSC e Average Surface Distance (ASD). La significatività statistica relativa agli effetti delle lesioni è stata valutata utilizzando test U di Mann–Whitney a due code con correzione di Bonferroni.

Contributi Chiave e Risultati
Lo studio dimostra che l'apprendimento per transfer cross-sequence può ridurre sostanzialmente i requisiti di annotazione, sebbene le prestazioni dipendano fortemente dalla direzione del transfer e dalle caratteristiche specifiche della sequenza MRI.

• Prestazioni Same-Sequence: L'addestramento su DESS ha prodotto una maggiore accuratezza (DSC: 0,900) rispetto a Cube (DSC: 0,830), probabilmente a causa del superiore contrasto cartilagine-sfondo nelle immagini DESS.
• Direzionalità del Transfer:
  • Cube-to-DESS: Il transfer learning da Cube (sorgente) a DESS (target) ha raggiunto un DSC di 0,903, uguagliando la baseline DESS same-sequence (0,900). Questo plateau delle prestazioni è stato raggiunto con soli 9 soggetti di addestramento nel dominio target.
  • DESS-to-Cube: Il transfer da DESS (sorgente) a Cube (target) ha risultanto in un DSC inferiore (0,802) rispetto alla baseline Cube same-sequence (0,830). Questa direzione ha richiesto 24 soggetti nel dominio target per raggiungere un plateau delle prestazioni, indicando che il trasferimento di conoscenze da sequenze ad alto contrasto a sequenze a basso contrasto è meno efficiente.
• Impatto delle Lesioni: La presenza di lesioni della cartilagine femorale non ha influenzato significativamente l'accuratezza della segmentazione in DESS (P ≥ .39). Tuttavia, le lesioni hanno ridotto significativamente l'accuratezza nelle sequenze Cube (DSC 0,805 vs 0,856 in assenza di lesioni; P < .001), suggerendo che il degrado delle prestazioni legato alle lesioni è dipendente dalla sequenza.
• Efficienza dell'Annotazione: Lo studio ha quantificato che meno di 10 soggetti nel dominio target annotati manualmente sono sufficienti per ottenere prestazioni paragonabili all'addestramento same-sequence quando si trasferisce da Cube a DESS.

Significato e Affermazioni
Gli autori affermano che l'apprendimento per transfer cross-sequence è una strategia praticabile per mitigare il carico di annotazione nello sviluppo di modelli di segmentazione della cartilagine femorale attraverso diversi protocolli MRI istituzionali. I risultati evidenziano che:

1. La direzione conta: Il transfer da una sequenza a basso contrasto (Cube) a una sequenza ad alto contrasto (DESS) è più efficace rispetto al contrario, probabilmente perché i livelli del decoder e del collo di bottiglia possono affinare efficacemente le caratteristiche quando affinati su dati ben contrastati.
2. Dipendenza dalla sequenza: L'impatto delle lesioni della cartilagine sull'accuratezza della segmentazione varia in base alla sequenza, con DESS che dimostra robustezza laddove Cube fatica.
3. Utilità pratica: Sfruttando l'apprendimento per transfer, le istituzioni possono sviluppare modelli di segmentazione accurati per i propri protocolli specifici utilizzando un numero minimo di casi etichettati manualmente (ad esempio, <10 soggetti), piuttosto che richiedere un riaddestramento su larga scala.

Il documento conclude con moderazione, notando limitazioni quali l'uso di una U-Net 2D con ricostruzione 3D, il focus esclusivamente sulla cartilagine femorale e la restrizione agli scanner da 3 T, suggerendo che la generalizzabilità a 1,5 T e ad architetture 3D richieda ulteriori indagini.