EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

Sintesi Tecnica: EPRA U-Net per la Segmentazione dell'Infarto in DWI MRI

Problematica
La segmentazione accurata degli infarti ischemici acuti nelle immagini di risonanza magnetica pesate in diffusione (DWI) è critica per la gestione dell'ictus, la quantificazione delle lesioni e la determinazione dell'idoneità al trattamento (ad es. trombolisi). Tuttavia, questo compito presenta sfide significative:

• Sbilanciamento delle Classi: Le lesioni infartuali occupano una piccola frazione del volume dell'immagine (tasso di slice positive del 14,7% nel dataset dello studio), portando i modelli a trascurare potenzialmente le piccole lesioni.
• Ambiguità dei Bordi: I confini delle lesioni spesso mancano di una chiara delineazione e l'eterogeneità del segnale complica il rilevamento.
• Asimmetria del Costo Clinico: Nella pratica clinica, un falso negativo (mancata rilevazione di una lesione) comporta un costo maggiore rispetto a un falso positivo, poiché le lesioni mancate possono portare a un ritardo nel trattamento o a valutazioni prognostiche errate.
• Limitazioni dei Modelli Esistenti: Gli standard U-Net possono trasferire rumore di basso livello; i modelli basati su Transformer (ad es. TransUNet) possono essere computazionalmente intensivi e soggetti a overfitting su dataset più piccoli e monocentrici; i modelli 3D spesso comportano costi computazionali proibitivi.

Metodologia
Gli autori propongono EPRA U-Net (Efficient Pyramid Residual Attention U-Net), un'architettura di deep learning ibrida progettata specificamente per affrontare le suddette sfide. Il modello utilizza una strategia di input 2.5D, impilando la slice DWI target con le sue slice adiacenti per catturare il contesto inter-slice mantenendo l'efficienza computazionale delle convoluzioni 2D.

L'architettura integra quattro componenti chiave:

1. Encoder EfficientNet-B0: Funge da estrattore gerarchico di caratteristiche. Utilizza una strategia di scaling composto (bilanciando profondità, larghezza e risoluzione) e moduli Squeeze-and-Excitation (SE) per estrarre le caratteristiche in modo efficiente con un numero ridotto di parametri rispetto agli encoder basati su ResNet.
2. Blocchi Residual-Recurrent (R2): Integrati nel percorso encoder-decoder, questi blocchi combinano connessioni residue con operazioni convoluzionali ricorrenti (unrolling step $t=2$). Questo design mira a migliorare la modellazione della dipendenza spaziale e la propagazione delle caratteristiche, in particolare per lesioni complesse e piccole.
3. Atrous Spatial Pyramid Pooling (ASPP): Situato nel ponte tra l'encoder e il decoder, l'ASPP utilizza convoluzioni dilatate parallele con diversi tassi di dilatazione (1, 6, 12, 18) per espandere il campo recettivo. Ciò consente al modello di catturare informazioni contestuali multi-scala, adattandosi a lesioni di varie dimensioni.
4. Meccanismo di Dual Attention: Un modulo di attenzione posizionale e di canale parallelo è applicato alle connessioni skip. Questo meccanismo evidenzia le attivazioni legate alla lesione sopprimendo al contempo le risposte di background estranee, affrontando l'alta prevalenza di slice negative (non infartuali).

Funzione di Perdita e Strategia di Addestramento
Per affrontare l'imperativo clinico di minimizzare le lesioni mancate, il modello è ottimizzato utilizzando la funzione di perdita Tversky con parametri $\alpha = 0.4$ e $\beta = 0.6$. Questa configurazione penalizza esplicitamente i falsi negativi più pesantemente rispetto ai falsi positivi, spostando il focus dell'ottimizzazione verso una maggiore recall (sensibilità). Il modello è stato addestrato su un dataset di 167 pazienti (4.895 slice) con una suddivisione stratificata a livello di paziente (70% training, 15% validazione, 15% test) per prevenire il data leakage.

Contributi Chiave
Il documento identifica quattro contributi primari:

1. Curatela del Dataset: Creazione di un dataset monocentrico clinicamente realistico di 167 pazienti con 4.895 slice DWI annotate, preservando il naturale sbilanciamento delle classi (tasso di positività del 14,7%).
2. Nuova Architettura: Introduzione di EPRA U-Net, un modello ibrido basato su un encoding EfficientNet, modellazione spaziale R2, contesto multi-scala ASPP e meccanismi di dual attention.
3. Ottimizzazione Motivata Clinicamente: Applicazione di una specifica configurazione della perdita Tversky ($\beta > \alpha$) per allineare l'obiettivo di addestramento con la necessità clinica di ridurre i falsi negativi.
4. Validazione Rigorosa: Implementazione di un framework statistico completo che include analisi non parametriche (Wilcoxon signed-rank), parametriche (paired t-test), a livello di pixel (test di McNemar) e basate sul resampling (intervalli di confidenza bootstrap), insieme alla stima della dimensione dell'effetto.

Risultati Sperimentali
EPRA U-Net è stata valutata contro baseline allo stato dell'arte: UNet++, DeepLabV3+, TransUNet e nnU-Net (2D).

• Metriche di Performance: EPRA U-Net ha ottenuto un punteggio Dice aggregato per pixel di 0.8984, un Dice per campione di 0.9469, un IoU di 0.8155 e una Recall di 0.8887. Ha raggiunto il più alto punteggio F1 per lesione (0.9378) e il più basso HD95 mediano (2.00 px, media 11.62 px) tra le architetture personalizzate.
• Rilevamento delle Lesioni: Il modello ha dimostrato una riduzione significativa delle lesioni mancate rispetto alle baseline: 29% in meno di perdite rispetto a TransUNet, 25% in meno rispetto a DeepLabV3+ e 16% in meno rispetto a UNet++.
• Confronto con nnU-Net: Sebbene nnU-Net abbia ottenuto un punteggio Dice comparabile (0.8997) e un HD95 medio leggermente inferiore (7.98 px vs. 11.62 px), EPRA U-Net ha ottenuto una recall più elevata (0.8887 vs. 0.8798) e significativamente meno rilevamenti di lesioni falsi positivi (32 rispetto a 69).
• Efficienza: EPRA U-Net è significativamente più efficiente di nnU-Net, richiedendo circa 131.7 minuti per l'addestramento per fold rispetto agli 848 minuti di nnU-Net, offrendo anche un tempo di inferenza più veloce (33.97 ms/slice rispetto a 598.5 ms/slice).
• Significatività Statistica: Test statistici accoppiati (Wilcoxon e t-test) hanno confermato che i miglioramenti delle prestazioni di EP-RA U-Net rispetto alle baseline erano statisticamente significativi ($p < 0.05$), nonostante i piccoli valori di Cohen's d attribuiti all'elevata performance di base di tutti i modelli (effetto soffitto).

Significato e Rivendicazioni
Il documento sostiene che EPRA U-Net fornisca una base più robusta e accurata per la segmentazione dell'infarto nella pratica clinica. La significatività del lavoro risiede in:

• Allineamento Clinico: Dando priorità alla recall attraverso la perdita Tversky, il modello riduce il rischio di sotto-segmentazione, che è fondamentale per determinare l'idoneità al trattamento nell'ictus acuto.
• Performance Bilanciata: L'architettura raggiunge un'elevata accuratezza senza l'overhead computazionale dei grandi modelli Transformer o delle reti 3D, rendendola adatta all'implementazione su hardware clinico standard.
• Validazione Completa: Lo studio va oltre la semplice segnalazione delle metriche, impiegando uno schema di validazione statistica multistrato per garantire l'affidabilità dei miglioramenti osservati.
• Approfondimenti dall'Ablazione: Lo studio di ablazione conferma che ogni componente (ASPP per la delineazione dei bordi, R2 per la continuità spaziale, Dual Attention per la soppressione del background e Tversky loss per la sensibilità) contribuisce distintamente alla risoluzione delle specifiche sfide della segmentazione dell'infarto in DWI.

Gli autori concludono che, sebbene il dataset sia monocentrico e il modello utilizzi input 2.5D, il framework proposto affronta efficacemente i compromessi tra accuratezza, costo computazionale e rilevanza clinica nella diagnostica per immagini dell'ictus.