Resumo Técnico: CONSIGN - Segmentação Conformal Informada por Agrupamentos Espaciais via Decomposição

1. Definição do Problema

Modelos de segmentação de imagem baseados em aprendizado de máquina geralmente produzem escores de confiança pixel a pixel (por exemplo, probabilidades de softmax) que servem como indicadores heurísticos de incerteza. Embora valiosos em domínios de alto risco, como imagem médica, esses escores carecem de garantias estatísticas rigorosas. A Predição Conformal (CP) oferece um quadro para transformar essas heurísticas em estimativas de incerteza estatisticamente válidas com garantias de erro especificadas pelo usuário (Controle de Risco Conformal).

No entanto, uma limitação crítica das aplicações existentes de CP em segmentação é a hipótese de independência pixel a pixel. Métodos padrão constroem conjuntos de previsão para cada pixel separadamente, ignorando as correlações espaciais fundamentais inerentes aos dados de imagem. Essa desconsideração da estrutura espacial leva a:

• Estimativas excessivamente conservadoras: Os conjuntos de previsão resultantes (conjuntos de possíveis máscaras de segmentação) são desnecessariamente grandes.
• Previsões incoerentes: Os conjuntos podem conter configurações de rótulos combinatórias que são espacialmente inconsistentes ou irreais (por exemplo, máscaras ruidosas ou fragmentadas).
• Redução da interpretabilidade: A falta de restrições estruturais torna as estimativas de incerteza menos significativas para a tomada de decisão.

2. Metodologia: CONSIGN

Os autores propõem o CONSIGN (Segmentação Conformal Informada por Agrupamentos Espaciais via Decomposição), um método que integra correlações espaciais ao quadro de predição conformal. A abordagem é projetada para ser compatível com qualquer modelo de segmentação pré-treinado capaz de gerar múltiplas saídas amostrais (por exemplo, via dropout de Monte Carlo, modelagem bayesiana ou ensembles).

O método consiste em duas etapas principais:

A. Construção de Conjuntos Conscientes do Espaço

Em vez de tratar os pixels independentemente, o CONSIGN aproveita a Análise de Componentes Principais (PCA) via Decomposição em Valores Singulares (SVD) para capturar as variações conjuntas na incerteza através da imagem.

1. Geração de Amostras: Dado um modelo pré-treinado $f$, o método gera $N_s$ saídas amostrais $\hat{s}_1, \dots, \hat{s}_{N_s}$ para uma imagem de entrada $X$ dada.
2. Decomposição SVD: As amostras são centradas em torno de sua média $\mu(X)$ e decompostas:
   $$\hat{S} - \mu(X) \cdot \mathbf{1}^T = U \Sigma V^T$$
   As colunas de $U$ (denotadas $u_k$) representam as direções principais da incerteza. Os autores observam que uma SVD truncada usando um pequeno número de componentes ($K \in \{2, 5\}$) é suficiente para capturar a estrutura espacial essencial, reduzindo significativamente a complexidade computacional em comparação com uma base completa.
3. Limites de Coeficientes: Para cada componente principal $k$, o método calcula quantis empíricos ($a_k, b_k$) dos coeficientes de projeção sobre as amostras de calibração. Estes definem um intervalo de referência.
4. Definição do Conjunto de Previsão: O conjunto de previsão $C^*_\lambda(X)$ é definido como o conjunto de todos os mapas de rótulos $Y$ que podem ser reconstituídos por uma combinação linear dos primeiros $K$ componentes principais, onde os coeficientes $c_k$ residem dentro de limites escalados por um parâmetro $\lambda$:
   $$c_k \in \left[ \frac{a_k+b_k}{2} - \lambda \Sigma_{k,k} \frac{b_k-a_k}{2}, \quad \frac{a_k+b_k}{2} + \lambda \Sigma_{k,k} \frac{b_k-a_k}{2} \right]$$
   O mapa de rótulos final é obtido via uma projeção não linear $P(\cdot)$ (argmax) aplicada ao vetor de pontuação reconstituído. Esta não linearidade permite que o método imponha restrições de precisão por rótulo ($\beta$) enquanto mantém uma representação de baixa dimensão.

B. Calibração

O método emprega um procedimento de calibração para determinar o $\hat{\lambda}$ ótimo que satisfaz a garantia de Controle de Risco Conformal:
$$\mathbb{E}[\ell(C(X_{test}), Y_{test})] \leq \alpha$$
onde $\ell$ é uma função de perda limitada que mede a falha do rótulo verdadeiro em estar no conjunto de previsão.

• Desafio de Otimização: Diferentemente de métodos pixel a pixel, onde verificar se um rótulo verdadeiro está no conjunto é trivial, verificar se $Y \in C^*_\lambda(X)$ no CONSIGN requer encontrar se existe um vetor de coeficientes $c$ dentro dos limites tal que a máscara reconstituída corresponda a $Y$ (até uma precisão $\beta$).
• Solução: Os autores formulam isso como um problema de minimização com restrições para encontrar os coeficientes ótimos $c^*$ que minimizam a perda entre o rótulo verdadeiro e a máscara reconstituída. Se o solucionador numérico encontrar uma solução dentro dos limites, o rótulo verdadeiro é considerado coberto.
• Garantia: Mesmo que o solucionador falhe em encontrar o ótimo global (levando a um $\lambda$ potencialmente mais conservador), a garantia de cobertura estatística permanece válida.

3. Contribuições Principais

• Predição Conformal Consciente do Espaço: O artigo introduz um quadro inovador que incorpora explicitamente correlações espaciais em conjuntos de predição conformal para segmentação de imagem, indo além da hipótese de independência pixel a pixel.
• Decomposição Baseada em SVD: Ao utilizar SVD para extrair direções principais de incerteza, o método constrói conjuntos de previsão que são estruturalmente coerentes e significativamente menores (menor volume de incerteza) do que as bases pixel a pixel.
• Eficiência com Truncamento: Os autores demonstram que conjuntos de previsão significativos podem ser alcançados com muito poucos componentes principais ($K=2$ ou $5$), tornando a abordagem computacionalmente viável apesar da etapa de projeção não linear.
• Aplicabilidade Geral: O método é agnóstico ao modelo, exigindo apenas a capacidade de gerar múltiplas amostras a partir de um modelo pré-treinado, e é aplicável tanto a conjuntos de dados de imagem médica quanto natural.

4. Resultados Experimentais

Os autores avaliaram o CONSIGN contra duas bases de comparação:

1. RAPS Pixel a Pixel: Um método padrão de controle de risco conformal que trata os pixels independentemente.
2. SACP (Predição Conformal Consciente do Espaço): Um método que agrega escores de softmax sobre vizinhanças locais.

Conjuntos de Dados: Três conjuntos de dados de imagem médica (M&Ms-2, MS-CMR19, LIDC) e dois subconjuntos do COCO (animais, veículos).
Métricas:

• Estimador de Chao: Estima o número de segmentações únicas no conjunto de previsão (volume de incerteza).
• Cobertura Estimada Baseada em Amostras (sEC): Mede quão rapidamente a cobertura empírica converge para o alvo $1-\alpha$.
• Correlação: Mede a correlação interna das segmentações amostradas.

Descobertas:

• Volume de Incerteza Reduzido: O CONSIGN produziu consistentemente conjuntos de previsão com volumes de incerteza significativamente menores (menos segmentações únicas) em comparação com tanto o RAPS quanto o SACP. No conjunto de dados LIDC, a diferença foi de várias ordens de magnitude.
• Eficiência Aprimorada: O CONSIGN alcançou as garantias de cobertura requeridas com menos amostras do que as bases de comparação, indicando que os conjuntos de previsão ocupam um subespaço de dimensão inferior.
• Coerência Estrutural: As amostras geradas pelo CONSIGN exibiram maior correlação interna e transições mais suaves entre regiões, evitando as máscaras "ruidosas" ou combinatóriamente inconsistentes frequentemente vistas em abordagens pixel a pixel.
• Limitações da Base de Comparação: O método SACP, que agrega escores post-hoc, performou comparavelmente ao RAPS pixel a pixel, sugerindo que a agregação simples não captura efetivamente as verdadeiras dependências espaciais necessárias para limites de incerteza apertados.

5. Significância e Limitações

Significância:
O artigo afirma que o CONSIGN fornece uma ferramenta robusta para gerar estimativas de incerteza "significativas" e "interpretáveis" em segmentação de imagem. Ao reconhecer correlações espaciais, produz conjuntos de previsão mais apertados que são mais úteis para tomada de decisão crítica, particularmente em imagem médica onde falsos positivos/negativos têm altos custos. O método transforma escores de confiança heurísticos em limites estatisticamente válidos sem exigir o retreinamento do modelo de segmentação subjacente.

Limitações:

• Hipótese de Troca: Como todos os métodos padrão de predição conformal, as garantias valem apenas sob a hipótese de que os dados de calibração e teste são trocáveis (por exemplo, i.i.d.). O método não aborda atualmente deslocamentos de distribuição ou dados fora da distribuição.
• Custo Computacional: A forma implícita do conjunto de previsão requer a resolução de um problema de otimização numérica durante a calibração, o que aumenta o tempo computacional offline em comparação com métodos pixel a pixel. No entanto, os autores observam que a amostragem online permanece rápida.
• Optimalidade do Solucionador: A garantia de cobertura depende do solucionador numérico encontrar um vetor de coeficientes adequado. Embora a garantia estatística se mantenha mesmo se o solucionador for conservador (aumentando $\lambda$), isso pode levar a limites mais amplos do que teoricamente necessário em casos patológicos.