Understanding Model Behavior in Monocular Polyp Sizing

Riepilogo Tecnico: Comprensione del Comportamento del Modello nella Misurazione Monoculare dei Polipi

Formulazione del Problema
Una stratificazione accurata delle dimensioni dei polipi colorettali è fondamentale per le decisioni di sorveglianza clinica, in particolare per distinguere tra polipi diminuti (≤5 mm) e quelli che richiedono un follow-up più ravvicinato (>5 mm). Tuttavia, la colonoscopia monoculare soffre di un'ambiguità geometrica intrinseca di scala: secondo un modello di camera a foro stenopeico, il diametro apparente ($A$) di un polipo è una funzione del suo diametro reale ($S$) e della distanza della camera ($Z$) ($A = fS/Z$). Senza un riferimento metrico, un polipo piccolo visto da vicino è visivamente indistinguibile da un polipo grande visto da lontano.

Questa ambiguità è aggravata dal comportamento dell'esame clinico. Gli endoscopisti si avvicinano naturalmente ai polipi diminuti per confermarne lo stato, osservando le lesioni più grandi da un campo visivo più ampio. Questo comportamento crea una correlazione spuria tra la scala apparente e l'etichetta di dimensione nei dati di addestramento naturalistici. Di conseguenza, i modelli automatizzati possono fare affidamento su "scorciatoie" – indizi correlati al comportamento di esame piuttosto che a un ragionamento geometrico reale – portando a errori sistematici quando le condizioni di deployment differiscono dalle distribuzioni di addestramento.

Metodologia e Configurazione Sperimentale
Gli autori presentano un audit diagnostico della classificazione binaria delle dimensioni dei polipi (≤5 mm vs >5 mm) su due dataset pubblici multicentrici: Real-Colon e SUN-SEG. Il dataset combinato contiene 232 polipi unici (147 ≤5 mm, 85 >5 mm) provenienti da 159 pazienti. Per prevenire la fuoriuscita di dati, gli esperimenti utilizzano una convalida incrociata a 5 fold stratificata per paziente.

Lo studio valuta tre diverse modalità di input e famiglie di modelli per isolare i contributi dell'architettura rispetto ai dati:

1. Aspetto: Un ResNet18 e un ViT-B operanti su immagini RGB mascherate.
2. Profondità Relativa: Una CNN a tre blocchi (CNN3) operante su mappe di profondità relative generate da PPSNet.
3. Fotometria/Geometria: Un MLP a due livelli che utilizza 51 caratteristiche geometriche e fotometriche progettate manualmente.

Per diagnosticare i limiti dei modelli attuali, gli autori introducono tre interventi mirati:

• Audit del Bias Dati-Modello: Confronto delle prestazioni tra modalità e architetture per identificare i punti di convergenza.
• Scala Metrica a Pioli: Applicazione di correzioni di scala "oracolo" a varie granularità (per frame, per polipo e globale) alle mappe di profondità relative. Questo quantifica il guadagno di prestazioni teorico se fosse disponibile una scala metrica perfetta. Vengono inoltre testati estimatori di profondità metrica pronti all'uso (MetricCol) e fattori di calibrazione globale.
• Robustezza alla Qualità della Maschera: Sostituzione delle bounding box ground-truth con le previsioni di un modello di segmentazione (PolypPVT) e applicazione di perturbazioni alle bounding box (±20%) per valutare come gli errori di segmentazione si propagano alle attività di misurazione.

Risultati Chiave

1. Plateau delle Prestazioni e Affidamento alle Scorciatoie: In tutte le architetture e modalità di input (RGB, profondità relativa, fotometria), i modelli convergono verso un tetto di prestazioni simile con un punteggio Macro-F1 di circa 0,75. L'analisi diagnostica delle caratteristiche MLP rivela che i modelli fanno affidamento pesantemente sulla "dimensione apparente" (il rapporto tra l'area della bounding box e l'area dell'immagine), che confonde la scala reale con la distanza. Ciò suggerisce che il plateau è guidato dalla mancanza di informazioni metriche e dall'affidamento su indizi comportamentali di esame piuttosto che da una capacità del modello insufficiente.
2. Guadagni Limitati dalla Stima Attuale della Profondità: Fornire informazioni di scala per frame "oracolo" produce un significativo aumento delle prestazioni (+16,1 punti percentuali, da 0,725 a 0,886), indicando che esiste un ampio margine di miglioramento se l'ambiguità di scala viene risolta. Tuttavia, gli attuali estimatori di profondità metrica (MetricCol) e i metodi di calibrazione globale non riescono a recuperare questo guadagno nei dati clinici, mostrando un miglioramento trascurabile rispetto alle baseline di profondità relativa. Il guadagno oracolo è concentrato nei frame "incoerenti con le scorciatoie" in cui la dimensione apparente contraddice la dimensione fisica reale, confermando che l'ambiguità di scala è il principale modo di fallimento in questi casi.
3. Segmentazione come Collo di Bottiglia Indipendente: La qualità della segmentazione agisce come un collo di bottiglia critico e indipendente. Quando le maschere ground-truth vengono sostituite con le previsioni di un modello di segmentazione addestrato su dati diversi, le prestazioni del modello di misurazione basato sulla profondità crollano di 15,3 punti percentuali (da 0,725 a 0,572). Anche con scala per frame oracolo, l'uso di maschere previste recupera le prestazioni solo al livello della baseline non scalata (0,736). Ciò dimostra che i benchmark di segmentazione in dominio non prevedono la robustezza della misurazione a valle sotto uno spostamento di distribuzione.
4. Limiti della Fotometria: I tentativi di utilizzare indizi fotometrici (luminosità di sfondo) come proxy per la distanza hanno fallito, recuperando solo il 17% del margine di scala oracolo. Ciò è attribuito al Controllo di Esposizione Automatica (Auto-Exposure Control) negli endoscopi clinici, che regola il guadagno del sensore per mantenere una luminosità stabile, rompendo la relazione di legge dell'inverso del quadrato tra luminosità e distanza.

Significato e Contributi
Il paper sostiene che i progressi nella misurazione monoculare dei polipi sono attualmente limitati da tre fattori indipendenti: la mancanza di una scala metrica per frame accurata, la fragilità delle maschere di segmentazione sotto uno spostamento di dominio e la scarsità di dataset su larga scala e multicentrici con annotazioni di dimensione affidabili.

Gli autori affermano che il loro lavoro fornisce un quadro diagnostico per la ricerca futura, offrendo strumenti di valutazione riutilizzabili come:

• Scala Metrica a Pioli Oracolo: Per quantificare il limite superiore teorico delle prestazioni data un'informazione di scala perfetta.
• Partizioni delle Scorciatoie: Per isolare e analizzare i casi in cui il comportamento di esame crea indizi fuorvianti.
• Sostituzione della Maschera: Per auditare la robustezza delle pipeline di misurazione agli errori di segmentazione.

Lo studio conclude che, mentre i modelli attuali performano adeguatamente quando la dimensione apparente si allinea con la dimensione reale, degradano significativamente quando il comportamento clinico crea contraddizioni. I futuri avanzamenti dipenderanno probabilmente da riferimenti di scala fondati clinicamente (ad esempio, ancoraggi basati su strumenti), da una maggiore robustezza della segmentazione e da una maggiore diversità dei dati, piuttosto che semplicemente dall'aumento della capacità del modello. Il codice e gli strumenti sono resi pubblicamente disponibili per facilitare ulteriori audit delle pipeline di misurazione dei polipi.