LGPS: A Lightweight GAN-Based Approach for Polyp Segmentation in Colonoscopy Images

Resumo Técnico: LGPS – Uma Abordagem Baseada em GAN Leve para Segmentação de Pólipos

Declaração do Problema
O câncer colorretal (CCR) continua sendo uma das principais causas de mortalidade relacionada ao câncer globalmente, tornando a detecção e remoção precoce de pólipos durante a colonoscopia críticas para a prevenção. Embora os métodos de segmentação baseados em aprendizado profundo tenham avançado significamente, eles enfrentam três limitações persistentes que dificultam a adoção clínica: (1) alto custo computacional que impede a aplicação em tempo real; (2) dificuldade em segmentar com precisão pólipos pequenos ou aqueles com baixo contraste e bordas borradas; e (3) baixa generalização em diversos conjuntos de dados devido a variações nas condições de imagem. Os modelos atuais de estado da arte (SOTA), como variantes de U-Net, Transformers e redes baseadas em atenção, frequentemente exigem recursos computacionais substanciais e lutam contra esses desafios específicos.

Metodologia
Os autores propõem o LGPS (Abordagem baseada em GAN leve para Segmentação de Pólipos), um framework projetado para equilibrar alta precisão de segmentação com eficiência computacional. A arquitetura é construída sobre uma estrutura de Rede Adversária Generativa (GAN) composta por um gerador e um discriminador, aprimorada com módulos específicos para análise de imagens médicas:

1. Arquitetura do Gerador:

   • Backbone: O gerador utiliza um backbone MobileNetV2 modificado para garantir um design leve. As modificações incluem a redução do número de filtros por um fator de dois, a remoção da camada final de classificação e de camadas intermediárias redundantes, e o emprego de convoluções separáveis em profundidade com fatores de expansão reduzidos. Isso resulta em um modelo com apenas 1,07 milhão de parâmetros.
   • Blocos ReSE: A rede incorpora blocos Residual Squeeze-and-Excitation (ReSE) modificados. Estes combinam conexões residuais tradicionais com mecanismos SE para recalibrar dinamicamente os mapas de características, enfatizando regiões diagnosticamente relevantes enquanto suprime o ruído.
   • Decoder: O decodificador emprega uma estrutura encoder-decoder com conexões de salto (skip connections) e upsampling progressivo (interpolação bilinear) para recuperar detalhes espaciais, o que é crucial para preservar as bordas finas dos pólipos.

2. Arquitetura do Discriminador:

   • O discriminador utiliza uma estrutura adversária baseada em patches para avaliar a qualidade das máscaras geradas.
   • Refinamento ConvCRF: Uma inovação fundamental é a integração de camadas de Campos Aleatórios Condicionais Convolucionais (ConvCRF) dentro do discriminador. Estas camadas aplicam convoluções $3 \times 3$ aprendíveis seguidas de ativação sigmoid para impor coerência espacial e suavidade nas máscaras preditas, preservando simultaneamente os detalhes das bordas.

3. Função de Perda Híbrida:

   • Para abordar o desequilíbrio de classes (onde os pixels do pólipo são esparsos em comparação ao fundo) e garantir uma definição precisa de bordas, o gerador é treinado usando uma combinação ponderada de três funções de perda:
     • Entropia Cruzada Binária (BCE): Para precisão de classificação pixel a pixel.
     • Interseção sobre União Ponderada (WIoU): Para equilibrar a contribuição das regiões de primeiro plano (pólipo) e de fundo.
     • Perda de Dice (Dice Loss): Para otimizar a sobreposição entre as máscaras preditas e as reais (ground truth), sendo particularmente eficaz para classes desbalanceadas.
   • A perda total é definida como $L_{total} = \lambda_1 L_{BCE} + \lambda_2 L_{IoU} + \lambda_3 L_{Dice}$, com pesos definidos como 0,4, 0,3 e 0,3, respectivamente, nos experimentos.

Principais Contribuições

• Design Leve: O LGPS alcança desempenho de estado da arte com apenas 1,07 milhão de parâmetros, tornando-o aproximadamente 17 vezes menor que o menor modelo SOTA existente, facilitando a implantação em dispositivos com recursos limitados.
• Inovações Arquiteturais: A introdução de blocos ReSE para extração eficiente de características e camadas ConvCRF para refinamento de bordas dentro de um framework de GAN especificamente adaptado para segmentação de pólipos.
• Generalização Robusta: O framework demonstra um forte desempenho em conjuntos de dados não vistos e desafiadores, abordando o problema comum de baixa generalização nos métodos existentes.

Resultados Experimentais
O modelo foi validado em cinco conjuntos de dados de referência públicos: Kvasir-SEG, CVC-ClinicDB, ETIS, CVC-300 e PolypGen.

• Desempenho no PolypGen: No maior e mais desafiador conjunto de teste (PolypGen), o LGPS alcançou um coeficiente de Dice de 0,7299 e um IoU de 0,7867, superando todos os métodos SOTA comparados (incluindo U-Net++, ResU-Net++ e WDFF-Net).
• Desempenho em Outros Conjuntos de Dados: No conjunto de dados CVC-ClinicDB, o modelo alcançou um Dice de 0,9261 e um IoU de 0,9238, superando vários modelos de alto peso computacional. Também apresentou resultados competitivos no ETIS e CVC-300.
• Estudos de Ablação: Experimentos confirmaram que a combinação das perdas BCE e Dice (BDice) foi altamente eficaz, embora a perda híbrida completa (3Loss) tenha proporcionado uma generalização robusta. A remoção dos módulos ReSE ou ConvCRF resultou em quedas mensuráveis de desempenho, validando sua necessidade para extração de características e preservação de bordas.
• Análise Qualitativa: Comparações visuais indicaram que o LGPS lida melhor com bordas borradas, baixo contraste e variações significativas de tamanho (incluindo pólipos pequenos) em comparação com os métodos existentes, que frequentemente sofrem de sobre-segmentação ou falhas de detecção nesses cenários.

Significância e Alegações
O artigo afirma que o LGPS representa um passo significativo para tornar a segmentação automatizada de pólipos viável para aplicações clínicas em tempo real. Ao reduzir drasticamente o tamanho do modelo sem sacrificar a precisão, o LGPS aborda as barreiras computacionais que têm limitado a implantação de modelos de aprendizado profundo em salas de endoscopia. Os autores enfatizam que a capacidade do modelo de generalizar bem através de diversos conjuntos de dados não vistos (particularmente o PolypGen) ressalta seu potencial de confiabilidade em ambientes clínicos do mundo real, onde as condições de imagem variam. O trabalho posiciona o LGPS como um novo padrão para análise de imagens médicas eficiente e precisa, oferecendo uma solução prática para melhorar o diagnóstico precoce de CCR.