ADEST-U-Net: A Dual-Encoder Architecture for Cross-Organ and Cross-Modality Transfer Learning in Data-Scarce Medical Image Segmentation

Problema

La segmentazione di immagini mediche, in particolare la delineazione dei tumori epatici in Tomografia Computerizzata (TC), dipende fortemente da grandi volumi di dati annotati da esperti, che sono spesso scarsi nella pratica clinica. Sebbene il transfer learning sia una strategia standard per mitigare la scarsità di dati, gli approcci esistenti si concentrano tipicamente sull'adattamento allo stesso organo o alla stessa modalità. Il documento affronta la sfida specifica del transfer tra organo e modalità incrociati (cross-organ e cross-modality transfer): adattare le rappresentazioni apprese dalla segmentazione dei tumori cerebrali in Risonanza Magnetica (RM) alla segmentazione dei tumori epatici in TC.

Gli autori osservano che un fine-tuning "naïve" sotto tali gravi spostamenti anatomici (cervello vs fegato) e di modalità (RM vs TC) produce miglioramenti limitati. Sorge una questione metodologica fondamentale: sotto un estremo disallineamento di dominio, il transfer a encoder singolo riesce a riutilizzare efficacemente le rappresentazioni di alto livello, o l'interferenza specifica del dominio degrada le prestazioni? Lo studio postula che il fine-tuning convenzionale possa essere insufficiente quando i domini di origine e di destinazione differiscono simultaneamente in anatomia e modalità di imaging.

Metodologia

Lo studio utilizza il dataset 3D-IRCADb-01, un benchmark per la segmentazione di fegato e tumore da scansioni TC addominali con mezzo di contrasto. A causa della scarsità di regioni tumorali nelle scansioni volumetriche, gli autori hanno scomposto i volumi 3D in fette assiali 2D, filtrando le fette contenenti il tumore per affrontare lo sbilanciamento delle classi.

La ricerca è strutturata in tre percorsi sperimentali per valutare diverse strategie di transfer:

1. Percorso 1: Apprendimento Supervisionato di Base (da zero)
   Un'architettura UNet++ standard è stata addestrata da zero sui dati TC del fegato. Questa funge da punto di riferimento supervisionato, poiché non esiste un modello pre-addestrato per il compito specifico di destinazione.

2. Percorso 2: Transfer Cross-Organ Naïve
   Un modello UNet++ pre-addestrato su tumori cerebrali RM è stato adattato al compito del tumore epatico in TC. Sono state testate due strategie:

   • Fine-tuning Progressivo: Sono state valutate undici configurazioni, che vanno dal congelamento dei soli blocchi dell'encoder iniziali al congelamento dell'intera rete (encoder, bottleneck e decoder annidati).
   • Adattamento della Modalità di Input (IMA): Un modulo di adattamento è stato aggiunto allo strato di input per ridurre il disallineamento RM-TC prima di alimentare la rete congelata/fine-tuned.

3. Percorso 3: Architettura Proposta ADEST-U-Net
   Per mitigare i limiti osservati nel Percorso 2, gli autori propongono la ADEST-U-Net (Adapted Dual-Encoder Shared-Tail U-Net).

   • Design a Dual-Encoder: L'architettura impiega due encoder paralleli:
     • Encoder A: Inizializzato con i pesi della UNet++ pre-addestrata su RM cerebrale (con adattamento della modalità di input).
     • Encoder B: Un encoder specifico per la TC addestrato da zero.
   • Raffinamento a Coda Condivisa (Shared-Tail): Le caratteristiche di entrambi gli encoder vengono concatenate al bottleneck (risultando in 1024 canali) e passate attraverso un modulo di raffinamento condiviso (Conv + BN + ReLU + Dropout) che riduce i canali nuovamente a 512 prima della decodifica.
   • Razionale del Design: Questo design separa esplicitamente le caratteristiche trasferibili (dalla RM) da quelle specifiche del dominio (TC) per prevenire il transfer negativo, fondendole in modo controllato prima della decodifica.
   • Strategia di Addestramento: È stato utilizzato un processo di addestramento in due fasi: una fase di warm-up in cui l'Encoder A era congelato, seguita da un fine-tuning end-to-end.

Funzione di Perdita: Tutti i modelli sono stati addestrati utilizzando una perdita composita che combina la Dice Loss e una Shape Prior Loss (derivata dalla probabilità empirica dell'occorrenza del tumore nelle maschere di addestramento).

Risultati Chiave

I modelli sono stati valutati sul set di test 3D-IRCADb-01 utilizzando il Coefficiente di Similarità Dice (DSC), l'Intersezione su Unione (IoU), Precisione, Recall e metriche di confine (HD95, ASSD).

• Baseline vs Transfer Naïve: La baseline UNet++ addestrata da zero ha raggiunto un Dice di test di 0.7020. Al contrario, il transfer naïve dalla RM cerebrale (anche con adattamento della modalità di input) ha performato significativamente peggio, con la migliore configurazione di transfer che ha raggiunto un Dice di soli 0.5383. Ciò conferma che il transfer diretto a encoder singolo sotto estremi shift di dominio produce un transfer negativo.
• Prestazioni ADEST-U-Net: La proposta ADEST-U-Net ha raggiunto un Dice di test di 0.7189 e un IoU di 0.5611, superando leggermente la baseline supervisionata.
• Analisi degli Errori:
  • Falsi Positivi: ADEST-U-Net ha ridotto i falsi positivi del 67,6% rispetto alla baseline addestrata da zero e del 40,4% rispetto al transfer a pesi congelati.
  • Precisione vs Recall: Il modello baseline ha mostrato un'alta recall (0.8712) ma una bassa precisione (0.5870) a causa della sovra-segmentazione e di falsi rilevamenti extraepatici. ADEST-U-Net ha ottenuto un compromesso più equilibrato con la precisione più alta (0.7727) e una recall di 0.6720.
  • Qualità del Confine: Sebbene i punteggi medi Dice tra la baseline e ADEST-U-Net non fossero statisticamente differenti in modo significativo (p = 0.273), le metriche di confine hanno mostrato un marcato miglioramento. La distanza mediana di Hausdorff (HD95) è diminuita da 220.57 (baseline) a 78.41 (ADEST), indicando predizioni più fluide e anatomicamente coerenti.
  • Sensibilità di Rilevamento: La baseline ha rilevato tumori nell'85,96% delle fette, mentre ADEST-U-Net li ha rilevati nel 59,65%. Gli autori attribuiscono questo alla natura conservativa di ADEST, che sopprime le attivazioni spurie a costo di perdere alcune piccole lesioni.

Significatività e Rivendicazioni

Il documento rivendica modestamente che il suo contributo primario non è il raggiungimento dello stato dell'arte nell'accuratezza della segmentazione (altre architetture su 3D-IRCADb-01 hanno riportato punteggi Dice tumorali più elevati), ma piuttosto la fornitura di intuizioni architettoniche ed empiriche nel transfer learning tra organo e modalità incrociati.

Gli autori concludono che:

1. Il riutilizzo diretto delle rappresentazioni pre-addestrate in un'architettura a encoder singolo sotto estremo disallineamento di dominio porta a un transfer negativo.
2. La mitigazione architettonica tramite un design a dual-encoder è necessaria per separare l'apprendimento specifico della modalità dal riutilizzo delle caratteristiche pre-addestrate.
3. La separazione consapevole della modalità permette un'interazione controllata delle caratteristiche, risultando in una maggiore plausibilità strutturale e in una significativa riduzione dei falsi positivi, anche se non massimizza immediatamente il punteggio Dice.
4. Lo studio evidenzia i limiti del basarsi esclusivamente su metriche basate sulla sovrapposizione (come il Dice) per la segmentazione di piccole lesioni, suggerando che la regolarità del confine e la precisione sono indicatori critici di un transfer di dominio riuscito in contesti clinici.

Il lavoro suggerisce che, affinché il transfer cross-organ sia vitale, l'architettura deve distinguere esplicitamente tra informazioni trasferibili e specifiche del dominio invece di fare affidamento sul fine-tuning convenzionale.