Evaluation of Anatomical Shape Priors in Deep Learning-Based Cardiac Multi-Compartment Segmentation

Riepilogo Tecnico: Valutazione dei Priors di Forma Anatomica nella Segmentazione Multi-Compartmentale Cardiaca Basata su Deep Learning

Enunciato del Problema
La segmentazione multi-compartmentale dell'intero cuore da TC cardiaca è un compito critico per applicazioni cliniche come la valutazione quantitativa (ad esempio, frazione di eiezione), la pianificazione terapeutica e le procedure guidate da immagini. Sebbene il deep learning, in particolare le varianti 3D U-Net, sia diventato l'approccio dominante grazie alla sua estrazione di caratteristiche multiscala e alle capacità di localizzazione spaziale, questi modelli sono principalmente guidati dall'aspetto. Manca loro una codifica esplicita della conoscenza della forma anatomica, un divario che in passato ha motivato l'uso di modelli statistici di forma nell'era pre-deep learning. La domanda di ricerca centrale è se priors di forma espliciti e leggeri possano fornire benefici misurabili rispetto a una solida baseline 3D U-Net per la segmentazione TC cardiaca a sette classi (ventricoli, atri, miocardio e grandi vasi).

Metodologia
Lo studio valuta due categorie di priors di forma espliciti integrati in una baseline 3D U-Net standard:

1. Loss Consapevoli della Forma: Sono state testate tre famiglie di regolarizzatori per iniettare conoscenza anatomica grezza senza alterare il backbone di segmentazione:

   • Regolarizzazione del Volume: Penalizza le deviazioni dai volumi attesi dei compartimenti derivati dalle statistiche del set di addestramento.
   • Regolarizzazione della Forma Basata sui Momenti: Impone l'allineamento dei momenti spaziali soft del primo e del secondo ordine (baricentri, ellissoidi) tra le previsioni e i riferimenti di addestramento tramite distanza L2.
   • Loss di Relazione Anatomica: Vincola le distanze pairwise e le relazioni angolari tra i baricentri delle classi basandosi sulle statistiche dei dati di addestramento.

2. Priors Architettonici: Mappe di calore di probabilità multiclasse a livello di popolazione (che rappresentano le distribuzioni spaziali medie delle etichette) sono state integrate in vari design di rete:

   • HM Multilayer: Una variante con supervisione profonda dotata di un capo di previsione della mappa di calore ausiliario.
   • 2-Decoder: Una rete con decoder separati per la segmentazione e la previsione della mappa di calore per costringere l'encoder a imparare caratteristiche che supportino entrambi.
   • 2-Encoder: Una rete a doppio encoder che elabora in parallelo gli input di immagine e mappa di calore.
   • Cascaded: Un'architettura a tre U-Net per una previsione grezza seguita da raffinamento.

Setup Sperimentale
Gli esperimenti sono stati condotti sul dataset MM-WHS CT (20 scansioni di addestramento, 40 di test) e sull'estensione pubblicamente disponibile WHS++ (20 casi aggiuntivi). Il pre-processing ha coinvolto la reorientazione, il ricampionamento isotropo e l'allineamento basato su Procrustes per derivare le mappe di calore della popolazione. I modelli sono stati addestrati a risoluzioni $64^3$ e $128^3$ con estese aumentazioni. Le prestazioni sono state valutate utilizzando Dice, Jaccard, Distanza di Hausdorff (HD) e Distanza Media Simmetrica delle Superfici (ASSD).

Risultati Chiave
Lo studio produce un risultato negativo coerente attraverso tutti i dataset e le configurazioni:

• Dominio della Baseline: Una 3D U-Net standard ha servito come una baseline molto forte, raggiungendo un Dice del 90,85% su MM-WHS ($64^3$) e dell'88,93% su WHS++.
• Inefficacia dei Priors Manuali:
  • Basati sulla Loss: La regolarizzazione del volume e dei momenti ha prodotto risultati essenzialmente in parità con la baseline (ad esempio, 90,85% contro 90,84% Dice). La loss di relazione anatomica ha effettivamente degradato le prestazioni (88,98% Dice).
  • Basati sull'Architettura: Le varianti guidate da mappa di calore (2-Decoder, 2-Encoder, Cascaded) sono rimaste competitive ma non hanno superato la baseline. Ad esempio, a $64^3$, il 2-Decoder ha raggiunto un Dice del 90,73% e il modello Cascaded del 90,32%. A risoluzione più elevata ($128^3$), la baseline è migliorata al 92,05%, mentre i concorrenti (2-Encoder, Cascaded) l'hanno avvicinata da vicino (92,02% e 92,04%) senza superarla.
• Osservazioni Qualitative: Tutti i modelli, inclusi quelli con priors, hanno riprodotto bene l'anatomia cardiaca globale. Le differenze erano confinate ai bordi e alle strutture più piccole, suggerendo che la baseline cattura già sostanziali regolarità anatomiche globali.

Significato e Affermazioni
Il paper presenta un "risultato negativo rilevante", sfidando l'assunzione che vincoli di forma espliciti e manuali siano necessari o benefici quando si utilizzano baseline moderne di deep learning ben addestrate. Gli autori affermano che:

1. Apprendimento Implicito: Le solide baseline 3D U-Net apprendono già sostanziali regolarità anatomiche implicite direttamente dai dati di immagine, rendendo ridondanti i priors manuali grezzi (volumi, momenti, baricentri, mappe di calore).
2. Limiti dei Priors Grezzi: I priors testati descrivono l'anatomia solo a un livello grezzo e non riescono a catturare la variabilità cardiaca non lineare complessa. Inoltre, poiché gli errori della baseline sono principalmente legati ai bordi, i regolarizzatori strutturali globali offrono poco valore aggiuntivo.
3. Direzione Futura: È improbabile che i futuri miglioramenti derivino da semplici vincoli manuali. Invece, gli autori suggeriscono un passaggio verso priors anatomici appresi più espressivi, come modelli basati su diffusione generativa o flow matching addestrati su maschere di segmentazione, che potrebbero rappresentare meglio la distribuzione dell'anatomia cardiaca plausibile.

In conclusione, lo studio dimostra che per la segmentazione TC dell'intero cuore su questi dataset, aumentare la complessità architettonica o aggiungere semplici vincoli di forma non migliora in modo affidabile le prestazioni rispetto a una 3D U-Net standard.