Artifact-Aware Lightweight Dermoscopic Lesion Segmentation with Reproducible Corruption Robustness Evaluation

Problematica

La segmentazione automatica delle lesioni dermoscopiche è fondamentale per l'analisi computerizzata del cancro della pelle. Sebbene i modelli leggeri siano essenziali per l'implementazione su dispositivi mobili e point-of-care, essi spesso mostrano instabilità quando le immagini contengono artefatti di acquisizione come peli terminali, riflessi speculari, linee cutanee e bolle d'aria. Questi artefatti introducono strutture ad alta frequenza, saturazione locale e occlusioni parziali che possono essere confuse con i bordi della lesione. Le attuali reti di segmentazione leggere ottimizzano tipicamente l'efficienza e l'accuratezza su immagini pulite, ma non riescono a modellare esplicitamente le regioni soggette ad artefatti. Inoltre, le valutazioni standard si affidano su immagini di validazione pulite, che non riflettono l'affidabilità in condizioni di degradazione dell'acquisizione del mondo reale. Manca un benchmark fisso e riproducibile per confrontare la robustezza contro corruzioni clinicamente plausibili.

Metodologia

Gli autori propongono ARL-UNet, un framework di segmentazione a forma di U leggero e consapevole degli artefatti (artifact-aware), insieme a un benchmark di corruzione riproducibile per la valutazione della robustezza.

1. Architettura ARL-UNet

La rete è progettata per stimare gli indizi degli artefatti prima del downsampling e utilizzarli per modulare le connessioni skip in modo conservativo, anziché rimuovere le regioni dell'immagine.

• Artifact-Aware Stem (AAS): Situato nella fase di input prima del downsampling spaziale, l'AAS stima le regioni soggette ad artefatti utilizzando un approccio multi-indizio. Combina:
  • Indizi hand-crafted: Risposta Laplaciana (bordi ad alta frequenza), Indizio di regione luminosa (regioni sature) e Indizio di regione scura (strutture simili a peli).
  • Indizio appreso: Un ramo leggero che utilizza convoluzioni separabili in profondità (DSConv) per catturare l'aspetto complesso degli artefatti.
  • Questi indizi vengono fusi in una mappa di artefatti ($A_0$) che viene utilizzata per la soppressione morbida residua dello stem delle feature, permettendo al modello di attivare gradualmente la soppressione durante l'addestramento.
• Robust Encoder Block (REB): Per mantenere un budget di parametri leggero pur catturando il contesto multi-scala, l'encoder utilizza convoluzioni separabili in profondità con campi recettivi complementari (3×3 e 5×5 o dilatata 3×3). Incorpora un meccanismo di gating dei canali (stile squeeze-and-excitation) per enfatizzare adattivamente i canali informativi.
• Mask-guided Robust Skip Fusion (MRSF): Questo modulo affronta il problema delle connessioni skip che propagano feature superficiali contaminate verso il decoder. Fonde le feature skip dell'encoder con le feature del decoder utilizzando:
  • Guida Semantica: Una maschera grossolana della lesione predetta da una testa ausiliaria.
  • Guida dagli Artefatti: La mappa degli artefatti ridimensionata proveniente dall'AAS.
  • Meccanismo: Applica un fattore di soppressione morbida conservativo per attenuare le risposte nelle regioni soggette ad artefatti, amplificandole al contempo nelle regioni coerenti con la lesione. La forza della soppressione è apprendibile e limitata per evitare una sovra-soppressione dei veri bordi della lesione.
• Deep Supervision: Teste di predizione ausiliarie sono attaccate a molteplici stadi del decoder per fornire supervisione del gradiente e servire come guida semantica per il modulo MRSF.

2. Benchmark di Corruzione Riproducibile

Per valutare la robustezza oltre le immagini pulite, gli autori hanno costruito un benchmark partendo dai set di validazione fissi di ISIC 2017 e ISIC 2018.

• Design: Il benchmark genera immagini corrotte offline utilizzando seed deterministici, garantendo la riproducibilità. Le maschere di ground-truth rimangono invariate.
• Artefatti: Quattro categorie clinicamente rilevanti sono sintetizzate a due livelli di severità (da lieve-moderata a forte ma plausibile):
  1. Pelo Terminale: Strutture scure, sottili e curvilinee.
  2. Riflesso Speculare: Regioni di riflesso luminose e sature.
  3. Bolla d'Aria: Occlusioni circolari/ellittiche semi-trasparenti.
  4. Linea Cutanea: Pattern lineari fini e a basso contrasto.
• Metadati: Il benchmark registra il tipo di artefatto, la severità, i parametri di generazione e i rapporti di sovrapposizione per supportare un'analisi controllata.

3. Strategie di Addestramento

Lo studio confronta tre regimi di addestramento:

• T0 (Solo Clean): Addestramento standard senza artefatti sintetici.
• T1 (Augmentation Diretta): Iniezione casuale di artefatti sintetici durante tutto l'addestramento.
• T2 (Apprendimento per Curriculum): Un approccio a stadi che inizia con l'addestramento solo su immagini pulite, introducendo progressivamente gli artefatti (iniziando con la Severità 1, poi la Severità 2).

Contributi Chiave

1. Framework: Un nuovo framework di segmentazione leggero e consapevole degli artefatti (ARL-UNet) che integra la stima precoce degli indizi degli artefatti, un encoding robusto ed efficiente e la fusione skip guidata dalla maschera per ridurre la propagazione di feature contaminate da artefatti.
2. Benchmark: Un benchmark dermoscopico corrotto e riproducibile con quattro categorie di artefatti clinicamente rilevanti e due livelli di severità, fornendo un protocollo standardizzato per valutare la robustezza oltre i convenzionali test su immagini pulite.
3. Analisi Sistematica: Uno studio completo sulle strategie di addestramento consapevole degli artefatti (solo clean, augmentation diretta e apprendimento per curriculum) e il loro impatto sull'accuratezza nel dominio pulito, sulla robustezza nel dominio corrotto e sul trasferimento zero-shot.

Risultati Sperimentali

Gli esperimenti sono stati condotti su ISIC 2017, ISIC 2018 e il dataset PH2 (per la valutazione zero-shot).

• Prestazioni nel Dominio Pulito (Clean-Domain): ARL-UNet ha ottenuto risultati competitivi allo stato dell'arte sui benchmark puliti ISIC 2017 e 2018, superando i baseline come EMA-UNet in mIoU, Dice e HD95, mantenendo un numero di parametri leggero (~0.147M di parametri).
• Robustezza sui Benchmark Corrotti:
  • Sotto T0 (Addestramento Solo Clean), ARL-UNet ha dimostrato una robustezza intrinseca superiore rispetto ai baseline, indicando che l'architettura stessa mitiga la sensibilità agli artefatti.
  • Sotto T2 (Apprendimento per Curriculum), il modello ha raggiunto la massima robustezza, in particolare sotto corruzioni di Severità 2. Ha mostrato guadagni significativi in mIoU rispetto ai baseline (ad esempio, +1.29 punti rispetto a EMA-UNet su ISIC 2017 Severità 2).
  • Il modello ha performato meglio su corruzioni da peli e linee cutanee, che sono impegnative a causa delle loro strutture simili ai bordi.
• Trasferimento Zero-Shot: I modelli addestrati sui dataset ISIC e testati direttamente su PH2 senza fine-tuning hanno mostrato che ARL-UNet (specialmente con l'addestramento per curriculum) generalizza meglio dei baseline, ottenendo un mIoU più alto e un HD95 più basso.
• Studi di Ablazione:
  • La rimozione dei moduli AAS o MRSF ha causato cali significativi nelle prestazioni nel dominio corrotto, confermando il loro ruolo critico nella gestione degli artefatti.
  • L'addestramento per curriculum si è rivelato superiore all'augmentation diretta, poiché preserva l'accuratezza nel dominio pulito migliorando al contempo la robustezza alle corruzioni severe.

Significatività e Rivendicazioni

Il paper sostiene di fornire un framework di segmentazione leggero e un protocollo di valutazione riutilizzabile progettato specificamente per studiare la robustezza agli artefatti nella segmentazione di immagini dermoscopiche.

• Riproducibilità: Il lavoro enfatizza la creazione di un benchmark fisso e riproducibile che consente un confronto controllato della degradazione specifica per artefatto, affrontando una lacuna nella letteratura attuale dove la robustezza è spesso valutata su dataset non controllati o misti.
• Intuizione Architetturale: Lo studio dimostra che modellare esplicitamente le regioni soggette ad artefatti e utilizzare una fusione skip conservativa è più efficace rispetto alla semplice rimozione degli artefatti o al ricorso alla standard data augmentation.
• Praticità: Il framework è progettato per ambienti con risorse limitate (mobile/point-of-care) mantenendo un'alta accuratezza.
• Limitazioni e Lavori Futuri: Gli autori notano con modestia che il benchmark si basa su artefatti sintetici e non dovrebbe sostituire la validazione clinica del mondo reale. Riconoscono che gli artefatti acquisiti naturalmente possono essere più complessi e misti. Il lavoro futuro proposto consiste nell'estendere il benchmark con annotazioni di artefatti reali e dataset multi-centro per valutare la generalizzazione pratica.

In sintesi, il paper sostiene che affinché la segmentazione dermoscopica leggera sia affidabile in contesti clinici, i modelli debbano essere valutati in condizioni di robustezza specifiche per artefatto e riproducibili, e che i meccanismi architettonici per gestire tali artefatti sono importanti quanto il compito di segmentazione stesso.