BTI-Net: Bidirectional Decoder-Level Task Interaction via Uncertainty-Aware Gating for Multi-Task Medical Image Analysis

Sintesi Tecnica di BTI-Net

Definizione del Problema
Le attuali architetture di Apprendimento Multi-Task (MTL) per l'analisi di immagini mediche si affidano prevalentemente a design con condivisione dell'encoder, dove un estrattore di caratteristiche condiviso alimenta teste di decoder indipendenti. Sebbene efficiente, questo approccio limita la comunicazione tra i task a un collo di bottiglia grossolano, scartando permanentemente segnali preziosi una volta che i decoder divergono. Nello specifico, i task di segmentazione generano indizi precisi sui bordi che potrebbero disambiguare la classificazione, mentre i task di classificazione accumulano priori semantici globali che potrebbero risolvere regioni spaziali ambigue. I metodi di interazione tra decoder esistenti (ad es., MTI-Net, DenseMTL) tentano di colmare questa lacuna ma soffrono di due criticità fondamentali: spesso propagano l'informazione in modo unidirezionale o applicano pesi di miscelazione fissi per ogni campione. Queste strategie fisse non riescono a tenere conto della variabilità intrinseca nelle immagini mediche, dove l'affidabilità dell'interazione tra i task fluttua significativamente in base al tipo di patologia, alle condizioni di imaging e alla morfologia della lesione. Inoltre, molti meccanismi di interazione esistenti comportano costi computazionali elevati o richiedono annotazioni esterne per adattarsi alla difficoltà del campione.

Metodologia
Il framework proposto BTI-Net affronta queste limitazioni stabilendo una comunicazione bidirezionale a ogni livello di decoder, regolata da un meccanismo di gating adattivo. L'architettura aumenta un encoder EfficientNet-B4 con due componenti primarie:

1. Moduli di Interazione tra Task (TIM):
   Il TIM facilita il flusso di informazioni bidirezionale attraverso quattro risoluzioni del decoder ($D_1$ a $D_4$), progredendo dai semantici grossolani ai dettagli dei bordi fini.

   • Percorso Seg$\to$Clf: Il contesto spaziale dei bordi recuperato dal decoder viene iniettato nel vettore di classificazione tramite un residuo controllato da gate. Una convoluzione $1\times1$ riduce la mappa del decoder, seguita da un pooling medio globale e da una proiezione appresa per generare un riassunto spaziale. Questo è regolato da una funzione sigmoidale per selezionare i segnali rilevanti per ogni campione.
   • Percorso Clf$\to$Seg: I priori semantici globali dal ramo di classificazione modulano moltiplicativamente la mappa delle caratteristiche del decoder. Il vettore di classificazione viene proiettato nello spazio dei canali del decoder e combinato con un auto-gate derivato dalle caratteristiche del decoder per amplificare solo i canali coerenti con il prior semantico.
   • Entrambi i percorsi operano in parallelo su caratteristiche pre-interazione per evitare il doppio conteggio, con le caratteristiche raffinate che si propagano progressivamente attraverso lo stack del decoder.

2. Attenzione Proxy dell'Incertezza (UPA):
   Riconoscendo che l'interazione tra i task non è uniformemente benefica (ad esempio, su input a basso contrasto o ambigui), l'UPA introduce un gate adattivo per istanza e per livello.

   • Segnali di Incertezza: L'UPA utilizza tre segnali interpretabili derivati senza annotazioni esterne o passaggi di inferenza aggiuntivi:
     1. Allineamento tra task ($a_\ell$): Misura la similarità del coseno tra gli shift latenti di entrambi i rami.
     2. Energia del gradiente di segmentazione ($E_{seg}$): Cattura la complessità della scena tramite il valore assoluto medio del gradiente spaziale della mappa del decoder.
     3. Diffusione dell'attivazione di classificazione ($E_{clf}$): Distingue tra predizioni sicure e incerte utilizzando la log-varianza del vettore di classificazione.
   • Gating Adattivo: Un MLP a due strati mappa questi segnali in pesi sigmoidali indipendenti ($w_{seg}, w_{clf}$) per ogni task. A differenza della softmax, le sigmoidi indipendenti permettono a entrambi i task di essere potenziati simultaneamente quando l'interazione è affidabile.
   • Addestramento: I gate sono addestrati utilizzando una perdita ausiliaria consapevole della difficoltà ($L_{gate}$) che allinea i pesi del gate con la performance del task per singolo campione (derivata da soft-IoU e confidenza della predizione), garantendo che il gate impari a sopprimere l'interazione sui campioni difficili.

Contributi Chiave

1. TIM: Un nuovo meccanismo di interazione tra decoder a livello di task che propaga caratteristiche spaziali raffinate e priori semantici attraverso tutte le quattro risoluzioni del decoder tramite operazioni di gating per canale.
2. UPA: Una strategia di gating adattiva per istanza e per livello guidata da tre proxy di incertezza interpretabili. Consente un'interazione dinamica della forza senza annotazioni esterne o l'overhead del campionamento bayesiano.
3. Validazione Cross-Modalità: Valutazione completa su tre benchmark medici diversificati (ecografia, dermoscopia e MRI cerebrale), incluso il primo evaluation MTL di interazione tra decoder sul dataset BRISC.

Risultati Sperimentali
Il framework è stato valutato su tre benchmark pubblici: BUSI (ecografia mammaria), HAM10000 (dermoscopia) e BRISC (MRI cerebrale).

• Performance: BTI-Net ha superato costantemente sia i baseline a condivisione dell'encoder (ad es., MTAN, MTANet) che i precedenti metodi di interazione tra decoder (ad es., MTI-Net, DenseMTL).
  • Su BUSI, ha raggiunto un IoU di segmentazione del 74,50% e un'accuratezza di classificazione del 93,16%.
  • Su HAM10000, ha raggiunto l'89,80% di IoU e l'87,84% di accuratezza.
  • Su BRISC, ha ottenuto un IoU del 76,74% e un'accuratezza di classificazione del 99,10%.
• Studi di Ablazione:
  • Il gating adattivo (UPA) ha contribuito con un ulteriore +2,36 IoU rispetto all'interazione bidirezionale fissa.
  • Il modello completo ha migliorato l'accuratezza della classificazione fino a +2,26 punti rispetto al più forte baseline multi-task.
  • La rimozione della regolarizzazione consapevole della difficoltà ha causato un calo di -0,53 IoU, confermando la necessità di una supervisione diretta sulla difficoltà del campione.
• Efficacia dei Proxy di Incertezza: L'UPA ha servito come un segnale di fallimento affidabile in un singolo passaggio. Sul dataset BUSI, i pesi del gate hanno superato il Monte Carlo Dropout a 30 passaggi sia in AUC-ROC che in AUPRC per la rilevazione del fallimento della segmentazione.

Significatività e Rivendicazioni
Il paper sostiene che BTI-Net affronti una lacuna critica nell'analisi delle immagini mediche abilitando il raffinamento tra i task durante la ricostruzione spaziale, una fase precedentemente trascurata dai modelli a condivisione dell'encoder. La significatività risiede nella dimostrazione che l'interazione bidirezionale adattiva è superiore agli approcci fissi o unidirezionali, particolarmente in dataset medici eterogenei dove patologia e condizioni di imaging variano ampiamente. Gli autori sottolineano che il loro metodo estrae segnali complementari dei task (indizi sui bordi e priori semantici) senza l'overhead computazionale del campionamento stocastico o la necessità di annotazioni esterne sulla difficoltà. I risultati suggeriscono che l'interazione a livello di decoder, quando regolata dall'incertezza specifica per istanza, può migliorare significativamente sia la precisione della segmentazione che la robustezza della classificazione attraverso molteplici modalità di imaging.