Temporally Consistent Mitral Annulus Measurements from Sparse Annotations in Echocardiographic Videos

Resumo Técnico: Medições do Anel Mitral Temporalmente Consistentes a partir de Anotações Esparsas em Vídeos Ecocardiográficos

Definição do Problema
A avaliação precisa do anel mitral é crítica para o diagnóstico de condições cardíacas, particularmente a regurgitação mitral e a doença coronariana. Métricas clínicas fundamentais, como a Excursão Sistólica do Plano do Anel Mitral (MAPSE) e o diâmetro do anel, dependem da localização precisa de marcos (landmarks) do anel no fim-sístole (ES) e no fim-diástole (ED). Embora o aprendizado profundo tenha possibilitado a detecção de marcos supervisionada, os métodos existentes enfrentam dois desafios principais:

1. Inconsistência Temporal: A anotação manual quadro a quadro é trabalhosa e propensa a inconsistências. Os métodos automatizados existentes frequentemente focam em replicar anotações humanas esparsas sem impor suavidade temporal, levando a trajetórias de marcos erráticas que não refletem o movimento fisiológico.
2. Marcos Anatômicos Ausentes: Devido ao campo de visão limitado na imagem de ultrassom, a anatomia alvo pode desaparecer devido ao movimento do paciente ou do operador. Os métodos atuais têm dificuldade em reconhecer quando os marcos estão fora de vista, o que pode levar a falsas detecções.

Metodologia
Os autores propõem uma nova abordagem autossupervisionada para alcançar a localização de marcos temporalmente consistente utilizando apenas anotações esparsas. O método integra três componentes principais:

1. Arquitetura da Rede:

   • O sistema emprega uma rede neural convolucional (CNN) do tipo ResNet, totalmente convolucional e sem pooling global, utilizando GroupNorm para treinamento com pequenos lotes (batches).
   • A rede processa três quadros consecutivos empilhados na dimensão de canais como entrada.
   • Utiliza uma saída de cabeça dupla: uma cabeça de classificação, que prevê a probabilidade de um marco estar dentro de um patch de imagem específico, e uma cabeça de regressão, que infere a distância do centro do patch até o marco.
   • As coordenadas finais do marco são calculadas como a média ponderada das localizações regredidas, ponderadas pelas probabilidades de classificação.

2. Perda de Consistência Temporal:

   • Para impor suavidade, a rede é treinada para prever não apenas a posição do marco no quadro atual ($t$), mas também os vetores de deslocamento para os quadros vizinhos ($t-1$ e $t+1$).
   • Uma perda autossupervisionada ($L_{temp}$) é introduzida, que minimiza o erro entre a localização prevista diretamente em $t \pm 1$ e a localização derivada pela propagação da previsão do quadro $t$ usando os vetores de deslocamento previstos.
   • Esta perda é combinada com perdas padrão de classificação e regressão supervisionada, escalonadas por um fator $\beta = 0.5$.

3. Aumento de Campo de Visão (Field-of-View Augmentation):

   • Para lidar com marcos ausentes, o pipeline de treinamento incorpora aumentos de rotação e recorte em formato de setor realistas.
   • Esses aumentos simulam cenários onde os marcos saem do campo de visão do ultrassom.
   • Durante o treinamento, se um marco for recortado, seu alvo de classificação é anulado (definido como zero) e a saída de regressão para aquele patch é excluída da retropropagação (back-propagation).
   • Na inferência, se a probabilidade máxima de classificação para um marco cair abaixo de um limite específico, a previsão é retida.

Principais Contribuições

• Regularização Temporal Autossupervisionada: A introdução de um termo de perda que impõe consistência entre quadros vizinhos sem a necessidade de anotações densas, efetivamente suavizando as trajetórias dos marcos.
• Robustez a Dados Ausentes: Uma estratégia de aumento específica que treina o modelo para reconhecer e suprimir previsões para marcos que estão fora do campo de visão, em vez de alucinar posições.
• Eficiência de Anotação Esparsa: O método alcança alta precisão usando apenas quadros esparsamente anotados (fim-sístole e fim-diástole), reduzindo a carga de anotação em comparação com estratégias de rotulagem densa.

Resultos
O método foi avaliado em um conjunto de dados combinado do dataset público CAMUS e um dataset privado do Centro Médico da Universidade de Amsterdã (AUMC), contendo vistas apicais de 2, 3 e 4 câmaras.

• Precisão de Localização: O método proposto alcançou um Erro Médio Absolto (MAE) de 2,48 ± 0,07 mm para a localização de marcos.
• Cálculo de MAPSE: O MAE para o MAPSE foi de 1,81 ± 0,14 mm, uma melhoria significativa sobre o método de base (baseline) (2,32 ± 0,14 mm, $p < 0,05$).
• Suavidade Temporal: O "jerk" médio absoluto (uma medida de suavidade da trajetória) foi reduzido de 3,18 para 0,98 mm/frame³, indicando um rastreamento de movimento significativamente mais plausível do ponto de vista fisiológico.
• Reconhecimento de Marco Ausente: O modelo alcançou um ROC-AUC de 0,99 para reconhecer marcos ausentes quando testado com dados aumentados, comparado a 0,91 sem os aumentos específicos de campo de visão.
• Tamanho do Anel: O erro na medição da distância entre os marcos do anel foi de 2,46 ± 0,31 mm.

Significância e Alegações
O artigo afirma que o método proposto fornece uma solução robusta para o rastreamento automatizado do anel mitral que se alinha melhor com o comportamento fisiológico esperado do que abordagens anteriores. Ao reduzir o erro nos cálculos de MAPSE em aproximadamente 0,5 mm, os autores sugerem que o método pode melhorar a estratificação de risco para pacientes próximos ao ponto de corte clinicamente relevante de 9 mm, que está associado a um aumento no risco de mortalidade.

Os autores mantêm uma postura modesta quanto a comparações amplas, observando que, embora seus resultados pareçam superiores ao trabalho anterior (ex: Smistad et al.), a comparação direta é desafiadora devido ao uso de diferentes conjuntos de dados. Eles reconhecem que, embora o método melhore o estado da arte para esta tarefa específica, pesquisas adicionais são necessárias para determinar sua eficácia em outras tarefas de detecção de marcos baseadas em vídeo. Além disso, eles observam que o reconhecimento de marcos ausentes foi validado em dados de teste aumentados, em vez de um conjunto de dados clínicos contendo marcos ausentes naturalmente ocorrentes, identificando isso como uma área para coleta de dados futura.