C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation

Sintesi Tecnica: C2RM-Seg

Definizione del Problema
La Segmentazione Semantica Debolmente Supervisionata (WSSS) è un approccio critico per l'analisi dei tessuti istopatologici, offrendo un'alternativa scalabile alle costose annotazioni dense a livello di pixel, che dipendono dall'esperienza dell'esperto, richieste dai metodi completamente supervisionati. Tuttavia, gli attuali metodi WSSS si affidano tipicamente alla Class Activation Mapping (CAM) per generare pseudo-label grossolani. Il documento identifica un difetto fondamentale negli attuali approcci basati su CAM: essi tendono a concentrarsi su indizi di aspetto guidati dalla colorazione (ad esempio, variazioni di colore, artefatti dello scanner) piuttosto che sulla vera morfologia causale del tessuto. Ciò porta a una "localizzazione spuria", in cui le pseudo-maschere sono sistematicamente influenzate da un contesto confondente, risultando in una scarsa coerenza strutturale e fedeltà dei bordi. Inoltre, i raffinamenti architettonici standard o la riponderazione della perdita spesso non riescono a risolvere questi disallineamenti causali sottostanti quando i pseudo-label stessi sono generati da caratteristiche distorte.

Metodologia
Gli autori propongono C2RM-Seg, un framework a due stadi progettato per affrontare il disallineamento causale e l'incoerenza strutturale attraverso tre componenti principali:

1. Modulo di Ragionamento Controfattuale Causale (C2RM):

   • Obiettivo: Generare pseudo-label ad alta fedeltà rimuovendo gli effetti confondenti dalle rappresentazioni delle caratteristiche.
   • Meccanismo: Il modulo opera sotto un Modello Causale Strutturale (SCM). Decompone le caratteristiche dell'encoder in fattori latenti ($Z$) che rappresentano sia la morfologia ($M$) che le variabili di stile/acquisizione confondenti ($S$).
   • Intervento Controfattuale: Una matrice di struttura causale apprendibile ($A$) modella le dipendenze tra questi fattori. Il modulo stima il contributo confondente ($E$) dei fattori di stile sulla rappresentazione latente ed esegue un intervento controfattuale ($Z^{cf} = Z - E$) per sottrarre tali effetti.
   • Risultato: Questo processo sopprime le componenti spiegabili da fattori di stile o di sfondo co-varianti (ad esempio, texture della colorazione) preservando al contempo i segnali dominanti della morfologia, producendo CAM più pulite per la generazione della pseudo-maschera.

2. Architettura Dual-Path Strutturale-Semantica:

   • Obiettivo: Colmare il divario tra la fedeltà morfologica locale e la semantica patologica globale durante la fase di addestramento della segmentazione.
   • Ramo Strutturale (Structure Branch): Utilizza un backbone ResNeSt-200e per estrarre caratteristiche spaziali multi-scala ad alta risoluzione che rappresentano le texture locali del tessuto.
   • Ramo Semantico (Semantic Branch): Sfrutta un modello di fondazione DINOV3 (Vision Transformer) congelato per fornire robusti priori semantici globali. I parametri del backbone sono congelati per prevenire l'overfitting su pseudo-label rumorosi, mentre un adapter apprendibile proietta gli embedding nel manifold strutturale.
   • Gating Cross-Path: Un meccanismo di gating regola adattivamente l'iniezione di caratteristiche semantiche globali nel ramo strutturale. Utilizza indizi strutturali locali per pesare il contributo semantico, assicurando che la semantica globale sia concentrata sulle regioni con alta salienza strutturale, preservando così l'integrità dei bordi.

3. Perdita di Margine con Gate di Incertezza (UGM Loss):

   • Obiettivo: Mitigare il rumore residuo negli pseudo-label imperfetti durante l'ottimizzazione.
   • Meccanismo: La perdita bilancia dinamicamente due obiettivi basati sull'incertezza della predizione ($u_i$): l'enforcement del margine (per predizioni sicure) e la massimizzazione della confidenza (per regioni incerte).
   • Funzione: Per i pixel a bassa incertezza, il modello dà priorità all'espansione del margine del confine di decisione. Per i pixel ad alta incertezza (potenzialmente etichettati erroneamente), ritorna a una penalità conservativa basata sulla confidenza per evitare di penalizzare eccessivamente i campioni ambigui.

Contributi Chiave

• Identificazione del Bias Causale: Il documento identifica che i metodi basati su CAM sono distorti verso l'aspetto guidato dalla colorazione piuttosto che verso la morfologia causale del tessuto.
• Modulo C2RM: La proposta di un modulo causale controfattuale che rimuove esplicitamente il contesto confondente per produrre pseudo-label ad alta fedeltà.
• Framework Dual-Path: Una nuova architettura di segmentazione che integra ResNeSt con i priori di DINOV3 tramite gating cross-path, garantendo una semantica globale che preserva i bordi.
• Perdita UGM: Una funzione di perdita consapevole dell'incertezza che consente un'ottimizzazione tollerante al rumore.
• Prestazioni State-of-the-Art: Il framework raggiunge risultati superiori sui benchmark pubblici rispetto ai metodi WSSS esistenti e persino ai modelli di fondazione sollecitati con i pseudo-label generati.

Risultati Sperimentali
Esperimenti estesi sono stati condotti su due dataset istopatologici pubblici: BCSS (cancro al seno) e LUAD-HistoSeg (adenocarcinoma polmonare).

• Performance: C2RM-Seg ha raggiunto prestazioni state-of-the-art su entrambi i dataset. Su BCSS-WSSS, ha raggiunto il 72,17% mIoU e 27,31 HD95, superando il principale competitore ESFAN. Su LUAD-HistoSeg, ha ottenuto il 79,62% mIoU e 18,07 HD95.
• Qualità dei Bordi: Il metodo ha dimostrato una fedeltà dei bordi (bIoU) significativamente migliorata e una riduzione dei falsi positivi nelle regioni morfologicamente ambigue rispetto ai baseline.
• Efficienza: Nonostante l'integrazione del ragionamento causale e dei priori dei modelli di fondazione, il modello mantiene un'efficienza computazionale competitiva (191,47 GFLOPs, 86,08 FPS).
• Studi di Ablazione: I risultati hanno confermato che ogni componente (C2RM, Dual-Path, UGM) migliora indipendentemente il baseline, con il modello completo che produce i risultati migliori. Le visualizzazioni t-SNE hanno dimostrato che C2RM riesce a disaccoppiare le rappresentazioni distorte dalla colorazione in cluster compatti e semanticamente separabili.

Significatività e Rivendicazioni
Il documento afferma che C2RM-Seg affronta fondamentalmente il problema pervasivo del confondimento istologico nell'apprendimento debolmente supervisionato. Formulando la generazione di CAM all'interno di un rigoroso Modello Causale Strutturale ed eseguendo interventi controfattuali, l'approccio sintetizza pseudo-maschere che sono fedeli alla morfologia del tessuto piuttosto che agli artefatti di colorazione. Gli autori asseriscono che questo deconfounding causale, combinato con la fusione sinergica di strutturali e dei priori dei modelli di fondazione, stabilisce un nuovo stato dell'arte per la segmentazione tissutale istopatologica debolmente supervisionata, offrendo una soluzione robusta e scalabile per la diagnosi assistita dal computer senza la necessità di annotazioni dense.