Sintesi Tecnica: TopoNet: Un Framework a Due Rami Guidato dalla Topologia per la Classificazione di Immagini Mediche

Definizione del Problema

La classificazione di immagini mediche volumetriche affronta sfide significative riguardanti la robustezza e l'interpretabilità. Gli attuali modelli allo stato dell'arte, basati principalmente su Reti Neurali Convoluzionali (CNN) e Vision Transformers (ViT), si affidano pesantemente a indizi guidati dall'aspetto (texture e intensità locale). Questi modelli spesso faticano a catturare esplicitamente la topologia anatomica globale, come connettività, cicli e cavità, che sono critiche per la diagnosi clinica. Ad esempio, nell'adenocarcinoma duttale pancreatico (PDAC), la distinzione tra tessuto sano e malato dipende spesso da cambiamenti topologici come la frammentazione duttale o la dilatazione anomala, che le architetture a livello di pixel locale non riescono a garantire.

Inoltre, i tentativi esistenti di integrare l'Analisi dei Dati Topologici (TDA) nel deep learning soffrono di due limitazioni principali:

1. Sensibilità al Rumore: I metodi tradizionali utilizzano spesso soglie rigide e regolate manualmente per filtrare le caratteristiche topologiche, il che può scartare segnali sottili ma clinicamente rilevanti o trattenere il rumore a causa della variabilità caso per caso.
2. Il Problema del "Distacco Spaziale": La maggior parte degli approcci vettorizza le caratteristiche topologiche (ad esempio, in immagini di persistenza o curve di Betti) e le concatena alle caratteristiche neurali. Questo processo scarta le coordinate spaziali delle caratteristiche, impedendo alla rete di localizzare dove si verificano specifiche anomalie topologiche, creando così un disallineamento rappresentativo tra le caratteristiche dell'immagine spazialmente consapevoli e i vettori topologici spazialmente agnostici.

Metodologia: TopoNet

Per affrontare queste limitazioni, gli autori propongono TopoNet, un framework a due rami guidato dalla topologia che integra strutture topologiche multiscala direttamente nell'apprendimento della rappresentazione volumetrica, preservando al contempo il contesto spaziale.

1. Estrazione Topologica Statistica tramite Bande di Confidenza

Invece di utilizzare soglie fisse, TopoNet impiega una strategia statisticamente fondata per distinguere i segnali topologici significativi dal rumore:

• Omologia Persistente Cubica: Il metodo calcola l'omologia persistente su complessi cubici derivati dalla griglia di voxel, tracciando l'evoluzione di $H_0$ (componenti connesse), $H_1$ (cicli) e $H_2$ (cavità) attraverso le filtratone di sotto-livello.
• Filtraggio tramite Bande di Confidenza: Per gestire il rumore topologico, il framework utilizza un approccio basato sul sottocampionamento per costruire bande di confidenza $(1-\alpha)$ per il diagramma di persistenza. Le caratteristiche con valori di persistenza ($d-b$) che cadono all'interno della banda di confidenza (definita dalla distanza di bottleneck $\epsilon_\alpha$) sono trattate come rumore. Solo le caratteristiche che soddisfano $d-b > 2\epsilon_\alpha$ vengono mantenute come statisticamente significative. Ciò elimina la necessità di una regolazione manuale e rigida delle soglie.

2. Mappatura Topologia-Voxel Consapevole della Dimensione

Un'innovazione centrale di TopoNet è il ripristino del contesto spaziale alle caratteristiche topologiche, risolvendo il problema del "distacco spaziale":

• Localizzazione: Le coppie di persistenza selezionate vengono mappate nuovamente nel dominio dei voxel.
  • $H_0$: Vengono generate maschere di componenti connesse identificando i voxel seme ed estraendo le componenti a specifici livelli di pre-fusione.
  • $H_1$: I cicli rappresentativi (loop) vengono ricostruiti tramite riduzione di matrice e rasterizzati in maschere binarie di ciclo, opzionalmente dilatate per formare vicinati tubulari.
  • $H_2$: Le gusci delle cavità vengono identificati utilizzando semi "distruttori" e costruiti tramite crescita di regione geodesica e operatori morfologici.
• Risultato: Questo processo genera maschere topologiche binarie ($T$) esplicite e spazialmente registrate che sono strettamente allineate con il volume dell'immagine di input ($I$), creando una "modalità topologica" complementare.

3. Architettura a Due Rami con Fusione Cross-Modale

TopoNet utilizza un'architettura 3D a due rami (basata su DenseNet121) per elaborare in parallelo le modalità immagine e topologia:

• Estrazione delle Caratteristiche Mono-modali: Due rami indipendenti estraggono caratteristiche multi-scala. Il ramo della topologia utilizza la Normalizzazione di Gruppo (GN) invece della Normalizzazione di Batch per gestire l'alta sparsità delle maschere derivate dalla topologia.
• Modulo di Interazione Cross-Branch (CBIM): Nelle fasi intermedie (Stage 3 e 4), i rami interagiscono tramite un meccanismo di fusione specializzato:
  • Modulo di Potenziamento della Texture: Un modulo leggero di convoluzione depth-wise potenzia le caratteristiche di texture locale nel ramo dell'immagine.
    estrazione delle caratteristiche topologiche, normalizzandole rispetto al numero di voxel validi per evitare che gli zeri dello sfondo contaminino la rappresentazione.
  • Cross-Attention: Le caratteristiche dell'immagine agiscono come query, mentre le caratteristiche topologiche forniscono chiavi e valori. Ciò consente alla rete di condizionare le rappresentazioni dell'immagine sulla guida topologica.
  • Fusione Residua Gated: Le caratteristiche guidate dalla topologia vengono iniettate nel ramo dell'immagine tramite un meccanismo di gating apprendibile, permettendo al modello di controllare adattivamente la forza del prior topologico.
• Testa di Classificazione: Le caratteristiche fuse finali subiscono un Attention Pooling, che aggrega adattivamente le caratteristiche voxel-wise in base a pesi di attenzione appresi, sopprimendo il rumore di fondo prima della classificazione.

Contributi Chiave

L'articolo delinea quattro contributi primari:

1. Estrazione Statisticamente Fondata: Un framework che utilizza bande di confidenza per identificare caratteristiche di omologia persistente significative su complessi cubici, separando i segoli clinici robusti dal rumore senza soglie rigide.
2. Ripristino Spaziale: Una pipeline di mappatura topologia-a-voxel consapevole della dimensione che converte riassunti topologici astratti ($H_0/H_1/H_2$) in maschere binarie per voxel spazialmente allineate, colmando il divario tra TDA e deep learning basato su griglia.
3. Architettura TopoNet: Una rete a due rami che codifica in parallelo le modalità immagine e topologia, utilizzando l'attenzione cross-branch per guidare la rete verso le regioni strutturalmente significative.
4. Validazione Empirica: Esperimenti estesi che dimostrano miglioramenti costanti rispetto a forti baseline su due distinti dataset.

Risultati Sperimentali

Gli autori hanno valutato TopoNet su due dataset utilizzando la validazione incrociata a 5 fold:

1. Dataset MSD Task07 Pancreas (PDAC vs. Non-PDAC):

   • TopoNet ha raggiunto un'Accuratezza di 0.8197 ± 0.0587 e un AUC di 0.8123 ± 0.1127.
   • Ha superato le forti baseline CNN (ResNet50, DenseNet121, EfficientNet) e Transformer (ViT, Swin).
   • In particolare, TopoNet ha mostrato una varianza significativamente inferiore in Accuratezza e F1-score rispetto alle baseline, indicando una maggiore stabilità.

2. Dataset BraTS 2018 (Grading del Glioma: HGG vs. LGG):

   • TopoNet ha raggiunto un'Accratezza di 0.9333 ± 0.0079 e un AUC di 0.9267 ± 0.0437.
   • Ha dimostrato una superiorità nella generalizzazione alle modalità MRI rispetto alle baseline, con predizioni altamente stabili tra i fold.

Gli Studi di Ablazione hanno confermato che:

• La selezione tramite banda di confidenza supera le strategie a soglia fissa.
• Combinare tutte le dimensioni dell'omologia ($H_0 + H_1 + H_2$) produce le prestazioni migliori.
• La strategia di filtraggio "No Inversion" (sublevel set sull'intensità grezza) è stata ottimale per il CT pancreatico, evidenziando l'importanza della semantica di filtraggio specifica per il task.
• La direzione specifica dell'interazione cross-modale (Potenziamento dell'immagine guidato dalla topologia, $T \to I$) è stata più efficace delle alternative bidirezionali o sequenziali.
• Rimuovere qualsiasi componente (Potenziamento della texture, Potenziamento della topologia, Cross-attention o Attention pooling) ha degradato le prestazioni, validando la necessità dell'intera architettura.

Visualizzazione: Le visualizzazioni Grad-CAM hanno mostrato che TopoNet si concentra su pattern strutturali rilevanti per la malattia (ad esempio, traiettorie duttali) allineati con le caratteristiche topologiche, mentre le baseline spesso producevano attivazioni diffuse guidate dalla texture.

Significato e Rivendicazioni

L'articolo sostiene che TopoNet fornisce una via promettente per migliorare le prestazioni, la robustezza e l'interpretabilità clinica della classificazione di immagini mediche volumetriche. Integrando fondamentalmente gli indizi strutturali espliciti nel processo di deep learning anziché trattare la topologia come una statistica globale, il framework affronta il problema del "distacco spaziale" inerente ai precedenti metodi TDA.

Gli autori sottolineano che il loro approccio:

• Migliora l'Interpretabilità: Mappando le caratteristiche topologiche nuovamente nel dominio dei voxel, il modello fornisce indizi strutturali spazialmente radicati che si allineano con il ragionamento clinico (ad esempio, la connettività duttale).
• Migliora la Robustezza: Il filtraggio tramite banda di confidenza e i meccanismi di fusione gated permettono al modello di adattarsi al rumore e alla variabilità anatomica, riducendo la dipendenza dalle texture incidentali.
• Offre un Paradigma Plug-and-Play: Il framework di apprendimento guidato dalla topologia si è dimostrato efficace su varie architetture di backbone (CNN e Transformer), suggerendo una vasta applicabilità.

Gli autori concludono che, sebbene il metodo sia promettente, sono necessari futuri lavori per modellare le interazioni sinergiche tra le dimensioni dell'omologia (ad esempio, usando Graph Neural Networks) e per validare l'approccio su coorti più ampie e multicentriche per valutare la generalizzabilità attraverso diversi protocolli di scanner.