Riepilogo Tecnico: HTC-SGA Former per la Segmentazione di Vasi in DSA Coronarica

1. Definizione del Problema

La segmentazione accurata dei vasi coronarici nella Digital Subtraction Angiography (DSA) è fondamentale per la diagnosi assistita dal computer e la pianificazione del trattamento della malattia coronarica (CAD). Tuttavia, i metodi esistenti affrontano sfide significative dovute alle caratteristiche specifiche delle immagini DSA:

• Vasi Sottili e a Basso Contrasto: I rami distali spesso presentano segnali deboli e un basso contrasto rispetto allo sfondo, rendendoli difficili da rilevare.
• Severo Sbilanciamento delle Classi: Il rapporto tra i pixel dei vasi e i pixel dello sfondo è estremamente sbilanciato, portando i modelli a predire con un bias verso lo sfondo.
• Compromesso Globale-Locale: Le reti neurali convoluzionali (CNN) tradizionali catturano bene le caratteristiche locali ma faticano con il contesto anatomico a lungo raggio, mentre i Transformer puri spesso perdono dettagli spaziali fini e soffrono di un elevato costo computazionale.
• Ambiguità dei Bordi: Gli artefatti da movimento e le strutture anatomiche sovrapposte causano una continuità vascolare frammentata e una localizzazione imprecisa dei bordi.

Gli attuali metodi allo stato dell'arte spesso non riescono a bilanciare simultaneamente il ragionamento contestuale globale con la preservazione dei vasi distali deboli e dei bordi fini.

2. Metodologia: HTC-SGA Former

Gli autori propongono HTC-SGA Former, un framework ibrido leggero che integra un encoder CNN con un decoder Transformer. L'architettura è progettata per preservare la morfologia locale dei vasi modellando al contempo le dipendenze a lungo raggio.

2.1 Panoramica dell'Architettura

• Encoder CNN: Un encoder leggero estrae caratteristiche gerarchiche utilizzando quattro stadi convoluzionali. Impiega convoluzioni 3×3, batch normalization, ReLU e dropout, seguiti da max-pooling per il down-sampling. Un blocco bottleneck espande la dimensione dei canali per arricchire le rappresentazioni semantiche di alto livello prima della decodifica.
• Decoder Transformer: A differenza dei modelli ibridi standard che utilizzano un bottleneck Transformer, HTC-SGA Former posiziona il Transformer all'interno del decoder per potenziare progressivamente il ragionamento contestuale globale-locale.

2.2 Componenti Chiave

1. Multi-Scale Global-Local Window Attention (MS-GLWA):

   • Questo blocco affronta il compromesso tra contesto globale e dettaglio locale.
   • Ramo Locale: Utilizza convoluzioni separabili (depthwise 3×3 e pointwise 1×1) per preservare la fine morfologia vascolare e i dettagli dei bordi.
   • Ramo Globale: Cattura il contesto anatomico tramite l'auto-attenzione multi-testa basata su finestre. A differenza degli standard Swin Transformer, genera tensori Query, Key e Value (QKV) da rappresentazioni di caratteristiche multi-scala (utilizzando convoluzioni parallele 1×1, 3×3, 5×5 e depthwise).
   • Scaling Adattivo: Viene introdotto un parametro di temperatura apprendibile ($\tau$) per scalare adattivamente i logit dell'attenzione, migliorando la robustezza in immagini a basso contrasto e rumorose.
   • Fusione: Le caratteristiche globali e locali sono fuse tramite somma elemento per elemento.

2. Self-Guided Feature Attention (SGFA):

   • Progettato per raffinare le risposte vascolari deboli e sopprimere l'interferenza dello sfondo.
   • Generazione della Maschera Preliminare: Genera una mappa di probabilità vascolare grossolana dalle caratteristiche del decoder per fungere da prior strutturale.
   • Attenzione Residua: Utilizza la maschera per creare pesi di attenzione che potenziano le caratteristiche coerenti con i vasi tramite una formulazione residua ($\mathbf{F}_{attended} = \mathbf{F} \odot (1 + \mathbf{A})$), evitando la perdita di informazioni tipica del gating rigido.
   • Contesto Multi-Scala: Impiega convoluzioni dilatate parallele (rate 1, 2, 4) per catturare le caratteristiche vascolari a diverse scale prima di fonderle per il raffinamento finale.

3. Boundary-Weighted Adaptive Compound Loss (BWACL):

   • Una funzione di perdita innovativa progettata per gestire il severo sbilanciamento delle classi e migliorare la preservazione dei bordi dei vasi sottili.
   • Ponderazione dei Bordi: Genera una mappa di pesi pixel-wise che assegna pesi più elevati (fino a 1.5×) ai bordi dei vasi sottili identificati tramite trasformate della distanza euclidea.
   • Formulazione Composta: Combina una Weighted Focal Loss (per enfatizzare i pixel difficili) e una Weighted Dice Loss (per ottimizzare la sovrapposizione).
   • Bilanciamento Adattivo: Introduce un fattore di bilanciamento dinamico ($\beta$) che regola il contributo dei termini Focal e Dice in base alle metriche di errore in tempo reale (errore di Recall rispetto all'errore di falso positivo del bordo). Se il recupero dei vasi è scarso, il termine Focal riceve un peso maggiore; se la precisione del bordo è carente, viene prioritizzato il termine Dice.

3. Contributi Principali

Il documento delinea cinque contributi primari:

1. Framework HTC-SGA Former: Un'architettura ibrida leggera CNN-Transformer specifica per la segmentazione della DSA coronarica, che combina una CNN encoder per la morfologia locale e un Transformer decoder per il ragionamento globale-locale.
2. Blocco MS-GLWA: Un meccanismo di attenzione innovativo che integra l'auto-attenzione multi-scala basata su finestre con convoluzioni separabili per catturare dipendenze a lungo raggio preservando al contempo le strutture vascolari fini.
3. Modulo SGFA: Un modulo di raffinamento focalizzato sui vasi che utilizza l'attenzione auto-guidata e il contesto multi-scala per potenziare le risposte dei vasi deboli e sopprimere il rumore di fondo.
4. BWACL: Una funzione di perdita composta pesata sui bordi che affronta lo sbilanciamento delle classi enfatizzando i bordi dei vasi sottili e bilanciando dinamicamente il recupero dei vasi con il raffinamento dei bordi.
5. Validazione Esaustiva: Esperimenti estesi che dimostrano la superiorità del framework rispetto a 14 metodi allo stato dell'arte e l'applicabilità cross-backbone della funzione di perdita proposta.

4. Risultati Sperimentali

Il metodo è stato valutato su un dataset privato comprendente 300 sequenze di DSA coronarica (150 immagini dell'arteria coronaria destra e 150 della sinistra) provenienti da 50 pazienti, utilizzando una validazione incrociata a 5 pieghe (5-fold cross-validation).

• Performance vs. Stato dell'Arte: HTC-SGA Former ha superato 14 metodi concorrenti (inclusi varianti di U-Net, Transformer puri come SwinUNet e modelli ibridi) sia sui subset coronarici destri che sinistri.
  • Subset Destro: Ha raggiunto l'88,58% di Recall e l'88,01% di Dice, con una distanza superficiale media (ASD) di 0,6944.
  • Subset Sinistro: Ha raggiunto l'85,23% di Recall e l'82,89% di Dice, con un ASD di 1,0256.
  • Efficienza: Il modello mantiene un'architettura compatta con solo 0,81M di parametri, significativamente meno di molti concorrenti (ad esempio, SwinUNet ha 85,9M di parametri).
• Efficacia della Funzione di Perdita: Applicata a quattro backbone standard (U-Net, Attention U-Net, U-Net++, Attention U-Net++), la BWACL ha costantemente migliorato la Recall e le metriche dei bordi (ASD/ACD) rispetto alle standard perdite BCE+Dice.
• Studio di Ablazione:
  • L'aggiunta dei componenti MS-GLWA (Ramo Locale, Ramo Globale, QKV potenziato) ha migliorato progressivamente le prestazioni.
  • Il modulo SGFA ha fornito guadagni significativi nell'accuratezza dei bordi (riduzione di ASD/ACD).
  • La piena perdita BWACL ha prodotto i punteggi più alti di Recall e Dice, confermando la sua necessità per ottimizzare il recupero dei vasi sottili.
• Analisi Qualitativa: I confronti visivi hanno mostrato che HTC-SGA Former preserva meglio i rami distali sottili, mantiene la continuità vascolare e riduce i falsi positivi nelle regioni a basso contrasto rispetto ad altri metodi.

5. Significato e Rivendicazioni

Gli autori affermano che HTC-SGA Former fornisce una soluzione pratica ed efficiente in termini di parametri per l'analisi dei vasi coronarici. Integrando la modellazione contestuale globale-locale complementare con il raffinamento focalizzato sui vasi e l'ottimizzazione adattiva, il framework affronta le limitazioni specifiche degli attuali metodi nel gestire i vasi distali deboli e il severo sbilanciamento delle classi.

Il documento asserisce che l'approccio proposto consente un'analisi dei vasi coronarici affidabile e computazionalmente efficiente, supportando l'analisi quantitativa delle immagini e futuri interventi cardiovascolari assistiti dal computer. Gli autori sottolineano che la combinazione del design architettonico (MS-GLWA, SGFA) e della strategia di ottimizzazione (BWACL) è la chiave per raggiungere un'alta accuratezza senza l'onere computazionale dei grandi modelli Transformer puri.

Il lavoro futuro, come dichiarato dagli autori, prevede la validazione del framework su dataset multicentrici più ampi, l'indagine su implementazioni in tempo reale e l'estensione della metodologia ad altri compiti di imaging vascolare (retinico, cerebrale, periferico) e altre modalità angiografiche.