Domain and Task-Focused Example Selection for Data-Efficient Contrastive Medical Image Segmentation

Resumo Técnico: PolyCL para Segmentação de Imagens Médicas

1. O Problema

A segmentação de imagens médicas é fundamental para diagnósticos precisos e monitoramento de condições de saúde. No entanto, os métodos supervisionados totalmente dependem de grandes quantidades de dados anotados em nível de pixel, um processo que é:

• Custoso e demorado: Requer radiologistas especialistas.
• Propenso a erros: A anotação manual é subjetiva e fatigante.
• Limitante: A escassez de dados anotados impede a adoção generalizada de modelos de IA na prática clínica.

Embora a Aprendizagem Auto-supervisionada (SSL) e o Aprendizado Contrastivo (CL) ofereçam alternativas ao pré-treinar modelos em dados não rotulados, as estratégias existentes frequentemente dependem de aumentações de dados genéricas (como rotação ou corte) que falham em capturar as relações anatômicas sutis e específicas de domínio presentes em exames de tomografia computadorizada (CT). Além disso, muitos métodos não conseguem generalizar bem entre diferentes domínios (ex: diferentes protocolos de aquisição ou scanners).

2. Metodologia: O Framework PolyCL

Os autores propõem o PolyCL (Poly-Contrastive Learning), um framework de aprendizado auto-supervisionado baseado em contraste, projetado especificamente para segmentação médica. A abordagem segue um processo de duas etapas:

A. Pré-treinamento Auto-supervisionado (Contrastive Learning)
O núcleo da inovação do PolyCL reside na sua estratégia de seleção de exemplos para criar pares positivos e negativos, indo além das simples transformações de dados. O objetivo é ensinar o encoder a aprender representações discriminativas e conscientes do contexto antes de ver qualquer dado rotulado. Três estratégias são propostas:

1. PolyCL-O (Baseado no Órgão): Seleciona pares positivos baseados na presença do órgão-alvo (ex: fígado) na fatia. Se a fatia âncora contém o órgão, o exemplo positivo também deve conter; se não contém, o negativo não deve. Isso requer conhecimento binário da presença do órgão, mas não anotação pixel a pixel.
2. PolyCL-S (Baseado no Scan): Seleciona pares positivos aleatoriamente da mesma varredura (scan) e negativos de scans diferentes. Isso ensina invariância inter-scan e relações intra-scan sem necessidade de conhecimento do órgão.
3. PolyCL-M (Misto): Combina as duas abordagens anteriores. Exige que o exemplo positivo esteja no mesmo scan e tenha o mesmo status de presença do órgão que a âncora. Esta estratégia busca capturar tanto a coerência intra-scan quanto a invariância inter-scan, além de discriminar exemplos contextuais similares.

B. Fine-tuning Supervisionado
Após o pré-treinamento, o cabeçalho de projeção é descartado e um decoder (estilo U-Net) é adicionado. O modelo é então ajustado (fine-tuned) em uma pequena quantidade de dados rotulados para a tarefa de segmentação, utilizando uma função de perda baseada no coeficiente Dice.

C. Integração com Segment Anything Model (SAM)
Para refinar ainda mais os resultados e reduzir a necessidade de anotação, o framework integra o SAM de duas maneiras inovadoras:

1. Refinamento de Máscara (SAM Refinement): Após a geração de uma máscara grosseira pelo PolyCL, são gerados bounding boxes (caixas delimitadoras) ao redor das regiões de interesse. Essas caixas servem como prompts para o SAM, que refina a máscara final, melhorando a precisão dos limites anatômicos.
2. Propagação de Máscara (SAM 2): Utiliza o SAM 2 (capaz de processamento de vídeo) para propagar uma única máscara anotada de uma fatia 2D através de todo o volume 3D do CT. Isso permite a segmentação volumétrica completa a partir de apenas uma fatia anotada, explorando a consistência espaço-temporal entre as fatias.

3. Principais Contribuições

• Estratégias de Seleção de Exemplos Orientadas a Domínio: Introdução de métodos (O, S, M) que utilizam informações anatômicas e de varredura para criar pares contrastivos mais significativos do que aumentações aleatórias.
• Eficiência de Dados: Demonstração de que o pré-treinamento com PolyCL permite que modelos atinjam desempenho competitivo com quantidades muito reduzidas de dados rotulados (5% a 50%).
• Integração Híbrida com SAM: Uso duplo do SAM (refinamento pós-processamento e propagação 3D) para superar limitações de modelos treinados com poucos dados, garantindo fidelidade estrutural e segmentação volumétrica completa.
• Generalização Robusta: Validação em múltiplos conjuntos de dados públicos (LiTS, TotalSegmentator, MSD, KiTS, BTCV), mostrando superioridade em cenários de domínio cruzado (cross-domain).

4. Resultados Experimentais

Os experimentos foram realizados em tarefas de segmentação de fígado e rins em imagens de CT:

• Desempenho In-Domain: No conjunto de dados LiTS (fígado), as variantes do PolyCL (especialmente PolyCL-M e PolyCL-O com backbones como ResU-Net e TransUNet) superaram ou igualaram modelos totalmente supervisionados (como U-Net e nnU-Net) em termos de Coeficiente Dice, com melhorias significativas na Distância de Hausdorff (indicando limites mais precisos).
• Generalização Cross-Domain: Ao testar modelos pré-treinados no LiTS em dados externos (TotalSegmentator e MSD), o PolyCL demonstrou uma vantagem clara sobre baselines supervisionados e outros métodos SSL. Por exemplo, no TotalSegmentator, o PolyCL-S com ResU-Net superou o melhor modelo supervisionado em 10,7% no Dice.
• Anotação Reduzida: Com apenas 5% dos dados rotulados, o PolyCL combinado com o refinamento do SAM (PolyCL-M+SAM) atingiu um Dice de 0,682, superando significativamente as versões sem refinamento e o método concorrente SAMRefiner.
• Propagação 3D: A propagação via SAM 2, iniciada a partir de uma única fatia anotada, produziu segmentações volumétricas de alta qualidade, com ganhos substanciais em relação aos modelos base sem propagação, especialmente em cenários de anotação ultra-rara.
• Análise Estatística: Testes t pareados confirmaram que as melhorias na Distância de Hausdorff (precisão de borda) foram estatisticamente significativas para as estratégias PolyCL-O e PolyCL-M em comparação com baselines.

5. Significância e Impacto

O trabalho do PolyCL é significativo por abordar diretamente o gargalo da anotação de dados em imagens médicas:

• Viabilidade Clínica: Ao permitir segmentações precisas com poucos dados rotulados e ao automatizar a propagação 3D a partir de uma única fatia, o framework reduz drasticamente o tempo e o esforço dos radiologistas.
• Robustez: A capacidade de generalizar para novos domínios (diferentes scanners ou protocolos) é crucial para a implementação prática de IA em hospitais diversos.
• Sinergia de Tecnologias: A integração inteligente de aprendizado contrastivo específico para domínio com modelos foundation (SAM) cria um pipeline robusto que combina a eficiência do aprendizado auto-supervisionado com a precisão de modelos de prompt.

Em conclusão, o PolyCL oferece uma solução promissora para a segmentação médica eficiente em dados, demonstrando que estratégias de seleção de exemplos orientadas ao domínio, combinadas com técnicas modernas de refinamento de IA, podem superar as limitações atuais da anotação manual.