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

Probleemstelling

Geautomatiseerde segmentatie van dermoscopische laesies is cruciaal voor computervisie-gestuurde huidkankerevaluatie. Hoewel lichtgewicht modellen essentieel zijn voor mobiele en point-of-care implementaties, vertonen ze vaak instabiliteit wanneer afbeeldingen artefacten bevatten zoals terminale haren, spiegelende hooglichten, huidlijnen en luchtbellen. Deze artefacten introduceren hoogfrequente structuren, lokale verzadiging en gedeeltelijke occlusies die kunnen worden verward met de grenzen van een laesie. Bestaande lichtgewicht segmentatienetwerken optimaliseren doorgaans voor efficiëntie en nauwkeurigheid bij schone afbeeldingen, maar falen in het expliciet modelleren van artefactgevoelige regio's. Bovendien vertrouilen standaard evaluaties op schone validatieafbeeldingen, die de betrouwbaarheid onder realistische acquisitie-degradaties niet weerspiegelen. Er is een gebrek aan een vaste, reproduceerbare benchmark om robuustheid tegen klinisch plausibele corrupties te vergelijken.

Methodologie

De auteurs stellen ARL-UNet voor, een artefact-bewust lichtgewicht U-vormig segmentatieframework, samen met een reproduceerbare gecorrumpeerde benchmark voor robuustheidsevaluatie.

1. ARL-UNet Architectuur

Het netwerk is ontworpen om artefact-kenmerken te schatten vóór de downsampling en gebruikt deze om de skip-verbindingen conservatief te moduleren, in plaats van beeldregio's te verwijderen.

• Artifact-Aware Stem (AAS): Gelegen in de inputfase vóór ruimtelijke downsampling, schat de AAS artefactgevoelige regio's in met behulp van een multi-cue benadering. Het combineert:
  • Handmatige cues: Laplacian-respons (hoogfrequente randen), Bright-region cue (verzadigde regio's) en Dark-region cue (haar-achtige structuren).
  • Learned cue: Een lichtgewicht tak met behulp van depthwise separable convolutions (DSConv) om complexe artefact-verschijningsvormen te vangen.
  • Deze cues worden gefuseerd tot een artefact-kaart ($A_0$) die wordt gebruikt voor de residuele zachte onderdrukking van de stem-feature, waardoor het model tijdens de training geleidelijk suppressie kan activeren.
• Robust Encoder Block (REB): Om een lichtgewicht parameterbudget te behouden terwijl multi-schaal context wordt gevangen, gebruikt de encoder depthwise separable convolutions met complementaire receptieve velden (3×3 en 5×5 of gedilateerde 3×3). Het bevat een kanaal-gating mechanisme (squeeze-and-excitation stijl) om adaptief informatieve kanalen te benadrukken.
• Mask-guided Robust Skip Fusion (MRSF): Deze module adresseert het probleem waarbij skip-verbindingen gecontamineerde ondiepe features naar de decoder propageren. Het fuseert encoder skip-features met decoder-features met behulp van:
  • Semantische sturing: Een grove laesie-masker voorspeld door een hulp-head.
  • Artefact-sturing: De hervergroote artefact-kaart vanuit de AAS.
  • Mechanisme: Het past een conservatieve zachte onderdrukkingsfactor toe om de respons in artefactgevoelige regio's te dempen, terwijl deze in laesie-consistente regio's wordt versterkt. De onderdrukkingssterkte is leerbaar en begrensd om overmatige onderdrukking van echte laesie-grenzen te voorkomen.
• Deep Supervision: Hulp-voorspellingskoppen zijn gekoppeld aan meerdere decoderstadia om gradiënt-supervisie te bieden en dienen als semantische sturing voor de MRSF-module.

2. Reproduceerbare Gecorrumpeerde Benchmark

Om robuustheid te evalueren buiten schone afbeeldingen, hebben de auteurs een benchmark geconstrueerd uit vaste ISIC 2017 en ISIC 2018 validatiesplits.

• Ontwerp: De benchmark genereert gecorrumpeerde afbeeldingen offline met deterministische seeds, wat reproduceerbaarheid garandeert. De grondwaarheid (ground-truth) maskers blijven ongewijzigd.
• Artefacten: Vier klinisch relevante categorieën worden gesynthetiseerd op twee ernstniveaus (mild-tot-matig en sterker maar plausibel):
  1. Terminale haar: Donkere, dunne, curvilineaire structuren.
  2. Spiegelende hooglicht (Specular Highlight): Heldere, verzadigde reflectieregio's.
  3. Luchtbel (Air Bubble): Semi-transparante circulaire/elliptische occlusies.
  4. Huidlijn (Skin Line): Fijn, laag-contrast lineair patroon.
• Metadata: De benchmark registreert artefact-type, ernst, generatieparameters en overlapratio's om gecontroleerde analyse te ondersteunen.

3. Trainingsstrategieën

De studie vergelijkt drie trainingsregimes:

• T0 (Alleen schoon): Standaard training zonder synthetische artefacten.
• T1 (Directe Augmentatie): Willekeurige injectie van synthetische artefacten tijdens de training.
• T2 (Curriculum Learning): Een gefaseerde aanpak beginnend met alleen schone training, gevolgd door progressieve introductie van artefacten (beginnend met Severity 1, dan Severity 2).

Belangrijkste Bijdragen

1. Framework: Een nieuw artefact-bewust lichtgewicht segmentatieframework (ARL-UNet) dat vroege artefact-kenmerk-schatting, efficiënte robuuste codering en maskergestuurde skip-fusie integreert om de propagatie van artefact-gecontamineerde features te verminderen.
2. Benchmark: Een reproduceerbare gecorrumpeerde dermoscopische benchmark met vier klinisch relevante artefact-categorieën en twee ernstniveaus, wat een gestandaardiseerd protocol biedt voor het evalueren van robuustheid buiten conventionele schone testen.
3. Systematische Analyse: Een uitgebreide studie van artefact-bewuste trainingsstrategieën (alleen schoon, directe augmentatie en curriculum learning) en hun impact op nauwkeurigheid in het schone domein, robuustheid in het gecorrumpeerde domein en zero-shot transfer.

Experimentele Resultaten

Experimenten werden uitgevoerd op ISIC 2017, ISIC 2018 en de PH2 dataset (voor zero-shot evaluatie).

• Prestaties in het Schone Domein: ARL-UNet behaalde concurrerende state-of-the-art resultaten op de schone ISIC 2017 en 2018 benchmarks, waarbij het baselines zoals EMA-UNet overtrof in mIoU, Dice en HD95, terwijl het een lichtgewicht aantal parameters (~0,147M parameters) behield.
• Robuustheid op Gecorrumpeerde Benchmarks:
  • Onder T0 (Alleen schone training) vertoonde ARL-UNet een superieure inherente robuustheid vergeleken met baselines, wat aangeeft dat de architectuur zelf de artefactgevoeligheid vermindert.
  • Onder T2 (Curriculum Learning) bereikte het model de hoogste robuustheid, met name onder Severity 2 corrupties. Het liet significante winsten zien in mIoU ten opzichte van baselines (bijv. +1,29 punten over EMA-UNet op ISIC 2017 Severity 2).
  • Het model presteerde het best op haar- en huidlijn-corrupties, die uitdagend zijn vanwege hun grens-achtige structuren.
• Zero-Shot Transfer: Modellen getraind op ISIC-datasets en direct getest op PH2 zonder fine-tuning toonden aan dat ARL-UNet (vooral met curriculum training) beter generaliseert dan baselines, waarbij hogere mIoU en lagere HD95 worden behaald.
• Ablatie-studies:
  • Het verwijderen van de AAS of MRSF modules resulteerde in significante dalingen in prestaties in het gecorrumpeerde domein, wat hun cruciale rol bij het afhandelen van artefacten bevestigt.
  • Curriculum training bleek superieur aan directe augmentatie, omdat het de nauwkeurigheid in het schone domein behield terwijl het de robuustheid tegen zware corrupties verbeterde.

Betekenis en Claims

Het artikel claimt een lichtgewicht segmentatieframework en een reproduceerbaar evaluatieprotocol te bieden dat specifiek is ontworpen voor het bestuderen van artefact-robuustheid in dermoscopische beeldsegmentatie.

• Reproduceerbaarheid: Het werk benadrukt de creatie van een vaste, reproduceerbare benchmark die een gecontroleerde vergelijking van artefact-specifieke degradatie mogelijk maakt, wat een gat in de huidige literatuur opvult waar robuustheid vaak wordt geëvalueerd op ongecontroleerde of gemengde datasets.
• Architecturale Inzicht: De studie toont aan dat het expliciet modelleren van artefactgevoelige regio's en het gebruik van conservatieve skip-fusie effectiever is dan simpelweg artefacten verwijderen of vertrouwen op standaard data-augmentatie.
• Practicaliteit: Het framework is ontworend voor omgevingen met beperkte middelen (mobiel/point-of-care) terwijl een hoge nauwkeurigheid behouden blijft.
• Beperkingen en Toekomstig Werk: De auteurs merken bescheiden op dat de benchmark afhankelijk is van synthetische artefacten en de klinische validatie in de echte wereld niet moet vervangen. Ze erkennen dat natuurlijk verkregen artefacten complexer en gemengder kunnen zijn. Toekomstig werk wordt voorgesteld om de benchmark uit te breiden met echte artefact-annotaties en multi-center datasets om praktische generalisatie te beoordelen.

Samenvattend betoogt het artikel dat voor lichtgewicht dermoscopische segmentatie die betrouwbaar is in klinische settings, modellen moeten worden geëvalueerd onder reproduceerbare, artefact-specifieke condities, en dat architecturale mechanismen om deze artefacten te behandelen even belangrijk zijn als de segmentatietaak zelf.