A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

Sintesi Tecnica: Un Modello Unificato per la Dynamic Coronary Roadmapping Altamente Accurata Senza ECG Utilizzando Transformer Spazio-Temporali

Definizione del Problema

L'intervento coronarico percutaneo (PCI) si affida a iniezioni ripetute di agenti di contrasto a base di iodio per visualizzare le arterie coronarie e guidare i dispositivi interventistici. Questa pratica aumenta l'esposizione alle radiazioni e il rischio di nefropatia indotta da contrasto, in particolare nei pazienti con compromissione renale. La Dynamic Coronary Roadmapping (DRM) offre una soluzione sovrapponendo una mappa vascolare angiografica precomputata alla fluoroscopia in tempo reale, riducendo la necessità di ripetute iniezioni di contrasto.

Tuttavia, una DRM accurata richiede un preciso corrispondenza della fase cardiaca (cardiac phase matching) tra la sequenza angiografica e la fluoroscopia live, nonché un affidabile tracciamento della punta del catetere per la compensazione del movimento. I metodi esistenti affrontano limitazioni significative:

• Dipendenza dall'ECG: Molti approcci si affidano a segnali ECG per l'allineamento della fase, che non sempre sono disponibili o affidabili in contesti clinici.
• Onere di Annotazione: I metodi di deep learning basati su immagini richiedono spesso estese e dense annotazioni manuali (ad es. maschere del catetere) per apprendere gli indizi di movimento, il che è laborioso e costoso.
• Complessità Modulare: I lavori precedenti affrontano tipicamente la corrispondenza della fase e il tracciamento del catetere utilizzando modelli separati, aumentando la complessità computazionale e ostacolando le prestazioni in tempo reale.
• Discrepanza del Dominio: I modelli preaddestrati su immagini naturali spesso non riescono a catturare le sottili dinamiche inter-frame specifiche del movimento cardiaco nelle immagini a raggi X.

Metodologia

Gli autori propongono un framework DRM unificato che esegue simultaneamente la corrispondenza della fase cardiaca e il tracciamento della punta del catetere senza richiedere segnali ECG durante l'inferenza. L'approccio è strutturato in tre fasi principali:

1. Preaddestramento Spazio-Temporale:

   • Un encoder transformer spazio-temporale su larga scala viene preaddestrato su 16 milioni di frame da dataset di angiografia e fluoroscopia non etichettati.
   • Questo preaddestramento permette al modello di apprendere dinamiche del movimento cardiaco fini e rappresentazioni di feature robuste specifiche per il dominio medico, affrontando i limiti dei modelli addestrati su immagini naturali.

2. Pipeline di Addestramento Unificata:

   • Architettura: Il modello utilizza un encoder spazio-temporale condiviso per estrarre le feature sia dalle sequenze angiografiche che da quelle fluoroscopiche. Queste feature vengono elaborate da una CNN leggera per produrre embedding a livello di frame, che vengono poi combinati con codifiche posizionali apprendibili e passati attraverso strati di multi-headed self-attention (MHA).
   • Task Ausiliari: Per stabilizzare l'addestramento ed eliminare la necessità di estese annotazioni delle maschere del catetere, il modello impiega due task ausiliari:
     • Rilevamento dell'Onda R dell'ECG: Un compito di classificazione binaria che predice i picchi R per fornire un indizio temporale rado ma forte per la fase cardiaca.
     • Tracciamento della Punta del Catetere: Un compito di regressione di heatmap. Poiché le annotazioni complete sono scarse, gli autori utilizzano un modello HiFT (Historical Feature Guided Tracker) preaddestrato per generare pseudo-label per i frame non annotati.
   • Funzione di Perdita (Loss Function): La perdita totale è una somma pesata della perdita di rilevamento del picco R (binary cross-entropy pesata adattivamente), della perdita di corrispondenza della fase cardiaca (triplet loss) e della perdita di tracciamento della punta del catetere (Dice loss).

3. Strategia di Inferenza:

   • Fase Offline: Un modello di rilevamento del contrasto identifica un ciclo cardiaco nella sequenza angiografica. Una finestra temporale di 10 frame viene utilizzata per precomputare e memorizzare gli embedding angiografici e le mappe vascolari (roadmaps).
   • Fase Online: Una finestra scorrevole di 10 frame di fluoroscopia viene elaborata in tempo reale. Il modello calcola gli embedding per il frame live corrente e li confronta con tutti gli embedding angiografici memorizzati tramite similarità del coseno.
   • Votazione a Maggioranza: Per migliorare la robustezza, una strategia di post-processing tramite voto a maggioranza aggrega le predizioni dalla finestra temporale. Questo genera un punteggio di confidenza basato sulla frequenza di voto, che correla con l'errore di corrispondenza della fase.

Contributi Chiave

• Primo Preaddestramento Spazio-Temporale per la DRM: Il lavoro introduce il primo uso di un encoder spazio-temporale preaddestrato su 16 milioni di frame medici per la compensazione del movimento cardiaco nella DRM, ottenendo prestazioni di corrispondenza della fase superiori rispetto ai metodi esistenti.
• Framework Unificato Efficiente nelle Annotazioni: Integrando il rilevamento dell'onda R dell'ECG e il tracciamento della punta del catetere (utilizzando pseudo-label) come task ausiliari, il modello raggiunge una convergenza stabile senza richiedere estese annotazioni manuali delle maschere del catetere.
• Architettura Unificata in Tempo Reale: Il design esegue congiuntamente la corrispondenza della fase e il tracciamento del catetere in un unico modello, riducendo significativamente la latenza di inferenza rispetto agli approcci sequenziali in due stadi.
• Post-Processing Consapevole della Confidenza: La strategia di voto a maggioranza non solo migliora la robustezza, ma fornisce anche un punteggio di confidenza che correla inversamente con l'errore di corrispondenza della fase, offrendo un meccanismo pratico per la stima dell'incertezza.

Risultati

Valutazioni complete su dataset clinici di raggi X dimostrano quanto segue:

• Accuratezza della Corrispondenza della Fase: Il metodo proposto raggiunge prestazioni allo stato dell'arte con un errore di distanza medio di 56,31 ms (4,38% del ciclo cardiaco) e una deviazione standard di 0,66 frame. Questo supera i baseline che utilizzano CNN preaddestrate su ImageNet, DINOv2 e precedenti approcci basati su triplet loss (AIT).
• Robustezza: Il modello mantiene un errore di distanza inferiore a un frame per circa l'82% dei casi di test. Il punteggio di confidenza predice efficacemente l'entità dell'errore; le predizioni con punteggi di confidenza elevati (>0,8) presentano errori mediani quasi nulli.
• Tracciamento del Catetere: Sotto inizializzazione automatica, il modello unificato raggiunge un errore di tracciamento medio di 1,58 mm, che è statisticamente comparabile al baseline HiFT (1,45 mm) che richiede l'inizializzazione manuale, nonostante il modello unificato faccia affidamento su pseudo-label.
• Efficienza: La formulazione unificata a singolo stadio migliora significativamente il throughput, operando fino a 84 fps per i backbone basati su CNN, rispetto ai circa 20 fps dei pipeline sequenziali a due stadi.

Significato e Rivendicazioni

Il paper sostiene che questo lavoro rappresenti un passo significativo verso una Dynamic Coronary Roadmapping pratica, in tempo reale e completamente automatizzata. Sfruttando il preaddestramento spazio-temporale su larga scala e task ausiliari attentamente progettati, il framework riesce a ridurre la dipendenza da estese etichette di dati e segnali ECG esterni.

Gli autori sottolineano che il loro approccio:

1. Generalizza meglio attraverso diverse condizioni di imaging e pattern di movimento cardiaco rispetto ai modelli preaddati su immagini naturali.
2. Abilita l'impiego clinico fornendo un punteggio di confidenza che consente agli operatori di valutare l'affidabilità dell'output del sistema.
3. Bilancia accuratezza ed efficienza, offrendo una soluzione unificata che è sia computazionalmente efficiente che altamente accurata, rendendola adatta all'integrazione in flussi di lavoro interventistici live.

Il paper conclude con modestia, riconoscendo che, sebbene l'errore medio sia basso, persistono outlier in casi impegnativi (ad es. angoli di visuale estremi o parziale ritaglio dei vasi). Il lavoro futuro potrebbe richiedere strategie di robustezza aggiuntive, come ulteriori task ausiliari (ad es. rilevamento del filo guida) o ottimizzazioni multi-task più avanzate, per colmare il divario rimanente verso una piena affidabilità clinica.