Riepilogo Tecnico: Rete Multi-Expert con Attenzione Cross-Stage per la Diagnosi di Ultrasuoni Mammari Ispirata al Radiologo

1. Enunciato del Problema

L'ecografia mammaria è uno strumento non invasivo cruciale per la diagnosi precoce del cancro al seno, tuttavia la classificazione automatica benigna/maligna affronta ostacoli significativi. Le principali sfide includono:

• Eterogeneità del Tumore e Confini Sfocati: Le lesioni spesso presentano margini indistinti e texture interne complesse, rendendo difficile l'estrazione di caratteristiche per i modelli standard.
• Squilibrio dei Dati: I dataset soffrono spesso di squilibrio di classe, complicando l'addestramento di classificatori robusti.
• Disconnessione dalla Logica Clinica: Gli approcci di deep learning esistenti si basano spesso su input di intera immagine a ramo singolo che non riescono a sfruttare appieno le informazioni discriminative della lesione. Al contrario, i metodi che si affidano al ritaglio manuale della regione di interesse (ROI) introducono flussi di lavoro ingombranti e risultati incoerenti.
• Limitazioni delle Architetture Attuali: Le Reti Neurali Convoluzionali (CNN) tradizionali spesso faticano con lesioni piccole o poco definite (accuratezza <70% in alcuni casi). Inoltre, le implementazioni esistenti di Mixture-of-Experts (MoE) dividono tipicamente gli esperti per tipi di caratteristiche astratte piuttosto che per regioni anatomiche, limitando l'interpretabilità. Inoltre, i meccanismi di attenzione standard (es. SE-Net) operano all'interno di singoli livelli, non riuscendo a catturare interazioni dinamiche attraverso stadi gerarchici di caratteristiche.

2. Metodologia

Il documento propone la Rete Mixture-of-Experts con Attenzione Cross-Stage (CSA-MoE-Net), un modello progettato per allinearsi al flusso di lavoro diagnostico clinico dei radiologi ("Immagine del Tumore Intero – Nucleo del Tumore – Analisi del Confine").

A. Preprocessing dei Dati e Generazione Multi-Vista

Invece del ritaglio manuale, il modello genera tre viste di input distinte da una singola immagine ecografica e dalla sua maschera di lesione corrispondente:

1. Immagine del Tumore Intero (Expert-Img): L'immagine originale ridimensionata a 224×224, fornente il contesto globale.
2. Nucleo del Tumore (Expert-Tumor): Generato applicando erosione morfologica alla maschera per isolare il corpo solido della lesione, focalizzandosi su texture interna ed echi.
3. Confine (Expert-Boundary): Generato mediante operazioni di dilatazione morfologica e differenza di insiemi per estrarre una banda stretta contenente informazioni su contorno, spicole e margini.

B. Backbone: ResNet-18 con Attenzione Cross-Stage

Il modello utilizza una ResNet-18 modificata come backbone per tutti e tre i rami esperti. Una innovazione chiave è il Modulo di Attenzione Cross-Stage, che affronta il limite dell'attenzione a singolo livello:

• Meccanismo: Stabilisce connessioni dinamiche attraverso i quattro stadi residui della ResNet-18.
• Processo: Le caratteristiche da tutti e quattro gli stadi vengono aggregate e mappate su una dimensione unificata. Un vettore di query apprendibile calcola la similarità con i vettori chiave specifici per stadio per generare pesi di attenzione ($\alpha_k$).
• Ricalibrazione: Questi pesi vengono utilizzati per ricalibrare la mappa delle caratteristiche dello stadio finale tramite una moltiplicazione canale per canale, potenziando i canali informativi e sopprimendo la ridondanza. Ciò permette al modello di fondere dinamicamente dettagli superficiali (confini) con semantica profonda.

C. Blocco Mixture-of-Experts (MoE)

L'architettura impiega una struttura MoE a tre rami in cui ogni ramo (Expert-Img, Expert-Tumor, Expert-Boundary) estrae caratteristiche indipendentemente utilizzando il backbone ResNet-18 con Attenzione Cross-Stage.

• Rete di Gate Adattiva: Un MLP a due livelli prende gli output concatenati dei tre esperti ($F_{concat}$) e calcola pesi dinamici ($w_1, w_2, w_3$) tramite una funzione Softmax.
• Fusione: Il Caratteristica Esperta Fusa (FEF) finale è una somma pesata degli output dei tre rami. Questo meccanismo imita la capacità dei radiologi di dare priorità flessibile a diversi aspetti della lesione (es. enfatizzando le irregolarità del confine per i casi maligni) in base alle caratteristiche di input.

D. Classificazione

Il vettore di caratteristiche fuso a 512 dimensioni viene passato attraverso un livello completamente connesso con attivazione Sigmoid per la classificazione binaria (Benigno vs. Maligno).

3. Contributi Chiave

1. Architettura Allineata Clinicamente: Il modello struttura esplicitamente il suo processo decisionale per riflettere la logica del radiologo separando l'analisi nelle viste Immagine Intera, Nucleo e Confine, invece di affidarsi a tipi di caratteristiche astratti.
2. Meccanismo di Attenzione Cross-Stage: A differenza dell'attenzione ai canali tradizionale, questo modulo valuta dinamicamente l'importanza delle caratteristiche attraverso diversi stadi della rete, migliorando la localizzazione di confini sfocati e lesioni piccole.
3. Fusione con Gate Adattivo: La rete di gate alloca dinamicamente il focus computazionale tra gli esperti, permettendo al modello di adattarsi a caratteristiche specifiche della lesione (es. sovrappesare le caratteristiche del confine per margini irregolari).
4. Indipendenza del Backbone: I moduli proposti (Attenzione Cross-Stage e MoE) sono progettati come componenti plug-and-play, dimostrati efficaci quando integrati in VGG-16 e DenseNet-121, non solo in ResNet-18.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su un dataset bilanciato di 2.129 immagini ecografiche mammarie (1.108 benigne, 1.021 maligne). Il modello è stato valutato su 20 esecuzioni indipendenti per garantire stabilità.

Prestazioni di CSA-MoE-Net (backbone ResNet-18):

• Accuratezza: 96,33% (±0,70)
• Precisione: 94,09% (±1,20)
• Recall: 98,53% (±0,70)
• Punteggio F1: 96,25% (±0,70)
• AUC: 99,50% (±0,10)

Analisi Comparativa:

• vs. Baseline ResNet-18: CSA-MoE-Net ha migliorato l'accuratezza del 3,01%, il recall del 5,37% e l'AUC del 5,42%.
• Studi di Ablazione:
  • La rimozione dell'Attenzione Cross-Stage (ResNet-MoE) ha causato un calo significativo nel Recall (da 98,53% a 94,94%) e nell'AUC, confermando il suo ruolo nel migliorare la sensibilità di localizzazione delle lesioni.
  • La rimozione del ramo Expert-Boundary ha portato al degrado delle prestazioni più significativo tra i rami ablati, validando l'importanza clinica delle caratteristiche del confine (spicolazione/irregolarità) per il rilevamento della malignità.
• Generalizzabilità: Quando applicati a VGG-16 e DenseNet-121, i moduli hanno migliorato costantemente le prestazioni, con tutte le configurazioni che hanno raggiunto un'accuratezza >95% e un AUC >99%.

5. Significato e Affermazioni

Il documento afferma che CSA-MoE-Net fornisce un sistema di supporto affidabile per la diagnosi computerizzata affrontando la natura "scatola nera" del deep learning attraverso un allineamento strutturale con il ragionamento clinico.

• Utilità Clinica: L'elevato recall del modello (98,53%) è evidenziato come critico per lo screening del cancro al seno, dove il costo dei diagnosi mancati (falsi negativi) supera di gran lunga quello dei falsi positivi. Gli autori stimano che, rispetto a una ResNet-18 di base, il modello proposto potrebbe salvare significativamente più vite in una coorte di screening riducendo i casi maligni mancati.
• Interpretabilità: Visualizzando i pesi di gate e i contributi degli esperti, il modello offre un ragionamento trasparente, potenzialmente abbassando la barriera per l'adozione clinica.
• Efficienza: Il modulo di Attenzione Cross-Stage aggiunge un sovraccarico computazionale minimo (aumento dei parametri di circa il 2-3%) fornendo al contempo guadagni sostanziali nelle prestazioni.
• Limitazioni: Gli autori riconoscono che lo studio è basato su un dataset retrospettivo di un singolo centro e si affida ad annotazioni manuali delle maschere, il che può influire sulla generalizzabilità e sui costi di implementazione. Notano inoltre che la rete di gate stessa rimane una "scatola nera" per quanto riguarda la logica decisionale interna dei singoli esperti.

In conclusione, il documento presenta CSA-MoE-Net come una soluzione robusta, interpretabile e ad alte prestazioni che colma il divario tra le capacità del deep learning e i flussi di lavoro diagnostici clinici per l'ecografia mammaria.