Structure-Guided Self-Supervised Matching for One-Shot Medical Landmark Detection

Resumo Técnico: Correspondência Auto-Supervisionada Guiada por Estrutura para Detecção de Marcos Médicos One-Shot

Definição do Problema
A detecção de marcos médicos é crítica para aplicações clínicas, como análise cefalométrica, avaliação de maturidade esquelética e planejamento cirúrgico. No entanto, métodos de aprendizado profundo totalmente supervisionados exigem anotações densas e especializadas, que são trabalhosas, dependentes do observador e difíceis de escalar para diversas regiões anatômicas. Embora existam abordagens semissupervisionadas, elas ainda dependem de uma quantidade não trivial de dados rotulados para treinar um detector inicial. Este artigo aborda o cenário de eficiência extrema de anotação de detecção de marcos médicos one-shot, onde o objetivo é localizar marcos em imagens alvo utilizando apenas uma única imagem de modelo anotada. Os métodos one-shot existentes baseiam-se tipicamente em aprendizagem de correspondência auto-supervisionada, mas são limitados por objetivos contrastivos agnósticos à estrutura. O aprendizado contrastivo padrão trata todos os candidatos negativos igualmente, falhando em distinguir entre negativos anatomicamente plausíveis (ex: pontos próximos na mesma estrutura) e implausíveis (ex: pontos em texturas repetidas irrelevantes), o que gera representações de características confusas.

Metodologia: SGB-MATCH
Os autores propõem o SGB-MATCH, um framework de correspondência auto-supervisionada de coerção grossa-para-fina (coarse-to-fine) guiado por estrutura. O método consiste em três componentes principais:

1. Viés Guiado por Estrutura (SGB) para Aprendizado de Contraste:
   Em vez de penalizar todos os candidatos negativos com uma formulação softmax genérica, os autores introduzem um termo de viés específico para o candidato no objetivo contrastivo. Este viés é construído a partir de duas pistas complementares:

   • Termo de consciência de distância (Distance-aware): Atribui um viés maior a candidatos mais distantes do ponto positivo.
   • Termo de consciência de borda (Edge-aware): Penaliza candidatos que não residem em fronteiras anatômicas (bordas).

   Matematicamente, o viés $B_i(q, p_i)$ é adicionado ao logit contrastivo. Isso resulta em um mecanismo de reponderação de gradiente onde:

   • Candidatos próximos e estruturalmente relevantes (próximos ao ponto positivo e em bordas) recebem uma repulsão fraca, preservando o contexto anatômico local.
   • Candidatos distantes ou estruturalmente irrelevantes (distantes ou fora da estrutura) recebem uma supressão forte através de gradientes exponencialmente maiores.

   Isso guia o codificador para aprender espaços de características que respeitam a geometria anatômica em vez de similaridades de textura arbitrárias.

2. Estratégia de Refinamento Global-para-Local:
   O framework emprega um processo de inferência de dois estágios para lidar tanto com variações anatômicas de longo alcance quanto com ambiguidades locais:

   • Estágio Global: Um codificador global processa imagens completas redimensionadas para aprender correspondências de longo alcance e produzir uma localização grosseira (coarse) do marco. Esta previsão serve apenas como uma âncora de corte e um prior de amostragem, não como um rótulo pseudo-verdadeiro.
   • Estágio Local: Um codificador local opera em regiões recortadas centradas na previsão grosseira. Ele refina a localização usando evidência estrutural local e o mesmo objetivo de viés guiado por estrutura.

3. Pipeline de Inferência:
   Durante a inferência, um único marco de modelo anotado é correspondido à imagem alvo pelo codificador global para obter uma localização grosseira. O codificador local então realiza a correspondência de grão fino dentro da região recortada para fornecer a previsão final.

Principais Contribuições

• Formulação: O artigo formula a detecção de marcos médicos one-shot como aprendizado de correspondência anatômica guiada por estrutura, indo além do simples pareamento de pixels.
• Algoritmo: A introdução do Viés Guiado por Estrutura (SGB) para correspondência densa auto-supervisionada. Diferente dos objetivos contrastivos padrão, o SGB repondera os gradientes negativos com base na distância anatômica e relevância da borda, preservando efetivamente candidatos próximos e estruturalmente relevantes enquanto suprime negativos implausíveis.
• Dataset: A contribuição do BMPLE, um novo conjunto de dados de raios-X de extremidades inferiores contendo 190 radiografias com 20 marcos clinicamente definidos para medição de parâmetros biomecânicos (ex: avaliação de deformidade varus/valgus).
• Framework: A proposta do SGB-MATCH, um framework de correspondência global-para-local validado em quatro benchmarks radiológicos 2D.

Resultados Experimentais
O método foi avaliado em quatro conjuntos de dados: Raio-X Cefalométrico (Cabeça), Raio-X de Mão, Raio-X de Tórax e o novo conjunto de dados BMPLE (Perna).

• Desempenho: O SGB-MATCH alcança o estado da arte em desempenho one-shot em todos os quatro conjuntos de dados.
  • No conjunto de dados de Cabeça, atinge um MRE de 1,77 mm, superando outros métodos one-shot (ex: SAM, FM-OSD) e aproximando-se da precisão de métodos clássicos totalmente supervisionados treinados em 150 imagens.
  • No conjunto de dados de Mão, atinge um MRE de 1,18 mm, o melhor resultado one-shot relatado.
  • Nos conjuntos de dados de Tórax e Perna, onde os marcos frequentemente residem em fronteiras repetidas, o design global-para-local reduz significativamente o MRE (ex: o MRE da Perna reduziu de 3,14 mm para 2,79 mm após o refinamento), aproximando-se do desempenho das linhas de base totalmente supervisionadas.
• Estudos de Ablação:
  • Remover o viés guiado por estrutura resulta no desempenho mais fraco.
  • Adicionar apenas o viés de distância melhora os resultados, mas o viés total (incluindo a consciência de borda) proporciona ganhos adicionais, particularmente em conjuntos de dados com estruturas repetidas (Tórax, Perna).
  • O estágio de refinamento local consistentemente melhora a previsão global grosseira, confirmando sua utilidade em resolver a ambiguidade local sem a necessidade de treinamento de rótulos pseudo-verdadeiros.

Significância e Alegações
O artigo afirma que o SGB-MATCH demonstra que a correspondência densa auto-supervisionada, quando explicitamente guiada pela estrutura anatômica, pode reduzir substancialmente a lacuna de desempenho entre métodos one-shot e detectores totalmente supervisionados. Ao injetar priors anatômicos (distância e bordas) diretamente no objetivo contrastivo, o método aprende espaços de características que são robustos a texturas repetidas e variações anatômicas. Os autores asseguram que esta abordagem permite a localização precisa de marcos em novos cenários clínicos onde apenas um único modelo anotado está disponível, tornando-a uma solução viável para tarefas de imagem médica com escassez de anotação. Sugere-se que trabalhos futuros explorem a modelagem explícita das relações espaciais entre marcos e a extensão do framework para outras regiões anatômicas.