Riepilogo Tecnico: C2A – Accoppiamento di Evidenza Spaziale e Prior Clinici tramite l'Attenzione alle Classi Consapevole della Co-occorrenza

1. Definizione del Problema

L'interpretazione delle radiografie del torace (CXR) è intrinsecamente un compito multi-label, in cui una singola immagine spesso contiene molteplici patologie concomitanti. I classificatori multi-label standard si affidano tipicamente a descrittori globali condivisi derivati dal Global Average Pooling (GAP) delle mappe di caratteristiche. Questo approccio presenta due criticità fondamentali:

1. Perdita di Specificità Spaziale: Il GAP diluisce l'evidenza visiva localizzata, particolarmente per le patologie focali (ad es. piccoli noduli o opacità specifiche), mediandole con il tessuto sano.
2. Negligenza del Contesto Clinico: I modelli standard trattano i target di malattia come statisticamente indipendenti. Tuttavia, i reperti toracici sono fisiologicamente accoppiati (ad es. l'edema polmonare cardiogeno spesso co-occorre con una silhouette cardiaca ingrandita). I radiologi interpretano i reperti nel contesto di altri, ma le architetture standard assegnano un punteggio a ogni reperto partendo da un singolo vettore spazialmente mediato, fallendo nell'utilizzare queste dipendenze cliniche.

Le soluzioni esistenti affrontano spesso questi problemi isolatamente: i meccanismi di attenzione migliorano la localizzazione ma ignorano le dipendenze tra le etichette, mentre i metodi basati su grafi modellano la co-occorrenza delle etichette ma operano su embedding astratti disaccoppiati dall'evidenza spaziale localizzata.

2. Metodologia

Gli autori propongono C2A (Co-occurrence Aware Class Attention), un modulo di classificazione leggero progettato per accoppiare esplicitamente l'evidenza spaziale con i prior clinici. L'architettura opera in tre fasi sequenziali:

2.1. Formazione delle Caratteristiche Consapevoli del Contesto

L'immagine in input viene elaborata da una backbone DenseNet-121. Per arricchire i descrittori locali con il contesto globale, le caratteristiche grezze passano attraverso un modulo di Guided Context Gating (GCG). Questo modulo aggrega il contesto globale tramite un collo di bottiglia di auto-attenzione per produrre un segnale di guida, che agisce come gating spaziale sulla mappa delle caratteristiche. A differenza delle pipeline standard, C2A preserva la risoluzione spaziale di queste caratteristiche mediate anziché collassarle immediatamente.

2.2. Evidenza Spaziale Specifica per Classe

Inveia del GAP, C2A impiega l'Expectation Pooling per isolare il supporto spaziale per ogni patologia:

• Una convoluzione $1 \times 1$ genera $C$ mappe di punteggio specifiche per classe.
• Queste mappe sono normalizzate tramite softmax spaziale per formare distribuzioni di probabilità ($a_c$) sull'immagine.
• Il descrittore per la classe $c$ ($z_c$) è calcolato come l'aspettativa delle caratteristiche mediate sotto questa distribuzione appresa: $z_c = \sum a_{c,p} \tilde{F}_p$.
• Questa formulazione permette al modello di agire come un selettore morbido e apprendibile, tornando a un descrittore globale condiviso quando la localizzazione non è informativa, ma affinando la ricerca verso le regioni specifiche della malattia quando necessario.

2.3. Costruzione del Grafo dei Prior Clinici

I descrittori isolati ($Z$) sono trattati come nodi in un grafo diretto per scambiare contesto.

• Warm-Start: La matrice di adiacenza del grafo $A$ è inizializzata utilizzando la matrice empirica di co-occorrenza condizionale $M$ derivata dalle etichette di addestramento ($M_{ij} \approx P(y_i=1|y_j=1)$). Ciò cattura le dipendenze cliniche asimmetriche (ad es. un reperto raro che dipende da uno comune).
• Apprendibilità: L'adiacenza è parametrizzata da una matrice apprendibile $\Theta$, normalizzata per riga tramite softmax. Il warm-start garantisce che il modello inizi con prior clinicamente fondati, ma permette alla discesa del gradiente di regolare gli archi se l'evidenza visiva contraddice la statistica.

2.4. Passaggio di Messaggi e Decodifica Bilineare

Un singolo passaggio di messaggio residuo aggiorna le rappresentazioni dei nodi:
$$z'_i = z_i + \sum_{j=1}^C A_{ij} W_g z_j$$
dove $W_g$ è una matrice di proiezione vincolata tramite normalizzazione spettrale per garantire la stabilità. Gli autori dimostrano che questo accoppiamento è una perturbazione limitata dell'identità, assicurando che una classe non perda mai la propria evidenza spaziale.

Il logit finale per la classe $i$ si decompone esattamente in un'interazione bilineare:
$$\ell_i = \underbrace{z_i^\top w_i}_{\text{propria evidenza spaziale}} + \underbrace{\sum_{j} A_{ij} z_j^\top (W_g^\top w_i)}_{\text{evidenza del contesto clinico}}$$
Questa struttura modella esplicitamente come il descrittore del vicino $j$ interagisce con il classificatore della classe $i$, mediato dal peso di co-occorrenza appreso $A_{ij}$.

3. Contributi Chiave

• Innovazione Architetturale: C2A sostituisce il pooling globale con l'expectation pooling specifico per classe, estraendo descrittori isolati per ogni patologia prima della classificazione.
• Accoppiamento Esplicito: Introduce un meccanismo per accoppiare questi descrittori spaziali tramite un grafo avviato (warm-started) con l'osservazione della co-occorrenza delle etichette, colmando il divario tra localizzazione spaziale e modellazione della dipendenza delle etichette.
• Garanzie Teoriche: Gli autori forniscono una prova che l'aggiornamento del passaggio di messaggi è una perturbazione ben condizionata e limitata, garantendo stabilità e interpretabilità.
• Efficienza: Il metodo aggiunge un sovraccarico trascurabile (una proiezione lineare e una matrice di archi $C \times C$) pur ottenendo significativi guadagni di prestazioni.

4. Risultati Sperimentali

Il modello è stato valutato sul dataset CheXpert (223.414 immagini di addestramento) concentrandosi su cinque compiti ad alta prevalenza: Cardiomegalia, Edema, Consolidamento, Atelettasia e Versamento Pleurico.

• Prestazioni: C2A ha raggiunto un AUROC macro-medio di 0,895, superando i baselines avanzati di context-gating come il Guided Context Gating (GCG) dello 0,76%.
• Guadagni Mirati: I miglioramenti si sono concentrati sulle classi con evidenza spaziale ambigua. In particolare, C2A ha migliorato il rilevamento dell'Atelettasia del +1,48% rispetto a GCG e del +0,64% rispetto a CBAM, "recuperando" efficacementamente le prestazioni dove il pooling globale falliva.
• Efficienza: Nonostante la maggiore complessità, il sovraccarico computazionale è stato trascurabile (6,01 GFLOPs rispetto a 6,00 GFLOPs per GCG), con una latenza di inferenza che rimane competitiva (~24,35 ms/immagine).
• Interpretabilità: L'analisi qualitativa tramite Grad-CAM++ dimostra che C2A elimina il "bias centrale" comune nei baselines di pooling. Ha localizzato correttamente le opacità polmonari periferiche e i distinti reperti focali per patologie concomitanti, laddove i baselines spesso ancoravano l'attenzione alla silhouette cardiaca indipendentemente dalla specifica patologia.

5. Significato e Assertions

Il paper sostiene che C2A valida l'ipotesi secondo cui modellare esplicitamente la co-occorrenza agisce come un regolarizzatore interpretabile. Ridistribuendo la capacità della rete verso le malattie con evidenza autonoma debole attraverso l'utilizzo del contesto spaziale derivato dai reperti co-occorrenti, il modello ottiene guadagni diagnostici mirati senza sacrificare la scalabilità.

Gli autori sottolineano che C2A fornisce una catena di ragionamento trasparente: la decomposizione bilineare consente ai clinici di verificare non solo la previsione, ma anche le specifiche regioni dell'immagine che supportano la decisione e quali reperti correlati hanno influenzato la stessa. L'architettura è presentata come un blueprint scalabile e clinicamente fondato per l'analisi di immagini mediche multi-label, capace di gestire l'intero setting a 14 classi di CheXpert con un sovraccarico minimo di parametri.