MRI-Based Brain Tumor Detection through an Explainable EfficientNetV2 and MLP-Mixer-Attention Architecture

Título: Detecção de Tumores Cerebrais Baseada em MRI através de uma Arquitetura Explicável Combinando EfficientNetV2 e MLP-Mixer-Attention

1. Problema e Motivação

Os tumores cerebrais representam um grave problema de saúde com altas taxas de mortalidade, exigindo diagnóstico precoce e preciso. A análise de imagens de Ressonância Magnética (MRI) para detecção de tumores é um processo complexo, dependente da expertise do radiologista e suscetível a erros humanos devido à diversidade morfológica dos tumores, dificuldades em distinguir densidades de tecido semelhantes e a possibilidade de lesões pequenas serem ignoradas. Embora existam sistemas de diagnóstico auxiliado por computador (CAD) baseados em Deep Learning (DL), muitos modelos existentes sofrem de:

• Alto custo computacional.
• Estruturas complexas que dificultam a implementação prática.
• Baixa interpretabilidade clínica (o modelo atua como uma "caixa preta", sem explicar por que tomou uma decisão).

O objetivo deste estudo é propor um modelo robusto, de alto desempenho e explicável para a classificação de tumores cerebrais em imagens de MRI.

2. Metodologia

A abordagem proposta segue um pipeline híbrido que combina a eficiência de extração de características de uma CNN com a capacidade de modelagem de relações de longo alcance de um Mixer baseado em MLP e atenção.

• Base de Dados: Foi utilizado o conjunto de dados público Figshare, contendo 3.064 imagens de MRI ponderadas em T1 com contraste, provenientes de 233 pacientes. As imagens cobrem três tipos de tumores: Glioma (1.426), Meningioma (708) e Tumor Pituitário (930), em três planos (axial, coronal e sagital).
• Seleção do Backbone (Backbone): Antes de propor o modelo final, nove arquiteturas CNN conhecidas foram avaliadas. O EfficientNetV2 destacou-se como o backbone mais eficaz, oferecendo o melhor equilíbrio entre precisão e eficiência computacional (atingindo 97,54% de precisão na avaliação inicial).
• Arquitetura Proposta (EfficientNetV2 + MLP-Mixer-Attention):
  • As características extraídas pelo EfficientNetV2 são redimensionadas e transformadas em "patches" (tokens).
  • Um bloco MLP-Mixer com Atenção Linear foi integrado. Diferente do MLP-Mixer padrão, este bloco incorpora mecanismos de atenção antes das camadas de mistura de tokens (Token-Mixing) e de canais (Channel-Mixing).
  • Mecanismo de Atenção Linear: Utiliza uma função kernel (ELU + 1) para transformar vetores de consulta e chave em um espaço positivo-definido, permitindo o cálculo de atenção com complexidade linear, capturando dependências contextuais de longo alcance de forma eficiente.
  • A arquitetura final inclui camadas de normalização, camadas MLP com conexões residuais e uma camada totalmente conectada com ativação Softmax para classificação.
• Explicabilidade (XAI): Para validar a confiabilidade clínica, foi utilizada a técnica Grad-CAM (Gradient-weighted Class Activation Mapping). Esta técnica gera mapas de calor que destacam as regiões da imagem de MRI que mais influenciaram a decisão do modelo, permitindo verificar se o modelo está focando nas áreas tumorais reais.

3. Contribuições Principais

1. Avaliação Comparativa Abrangente: Análise detalhada de nove arquiteturas CNN diferentes para determinar o backbone ideal para este domínio específico.
2. Modelo Híbrido Inovador: Proposição de uma nova arquitetura que funde o EfficientNetV2 com um bloco de MLP-Mixer aprimorado por mecanismos de atenção (Token e Channel), melhorando a capacidade de discriminação entre classes de tumores semelhantes.
3. Alta Explicabilidade: Integração de visualizações Grad-CAM para garantir que o modelo tome decisões baseadas em regiões clinicamente relevantes (o tumor), mitigando a crítica de "caixa preta" em aplicações médicas.
4. Desempenho Superior: Demonstração de que o modelo supera os métodos recentes da literatura em termos de precisão, recall e F1-score.

4. Resultados

Os experimentos foram conduzidos utilizando validação cruzada de 5 dobras (5-fold cross-validation).

• Desempenho do Modelo Proposto:
  • Acurácia: 99,50%
  • Precisão: 99,47%
  • Recall (Sensibilidade): 99,52%
  • F1-Score: 99,49%
  • A configuração ótima foi encontrada com dimensões de Token = 128 e Channel = 512. Configurações menores (64-256) tiveram recall ligeiramente inferior, enquanto configurações maiores (256-1024) não trouxeram ganhos proporcionais ao custo computacional, sugerindo um ponto de equilíbrio ideal.
• Comparação com Baselines:
  • O modelo proposto superou o backbone base (EfficientNetV2 puro) em 1,96% de acurácia e 3,03% de recall.
  • Reduziu significativamente as confusões entre classes (ex: Glioma vs. Meningioma), que eram comuns no modelo base.
• Comparação com a Literatura: O modelo superou estudos recentes (como Swati et al., Ismael et al., Aamir et al., etc.), que variaram entre 96% e 98,95% de acurácia, muitas vezes com métricas de recall ou precisão inferiores ou sem explicabilidade.
• Validação Visual (Grad-CAM): Os mapas de calor gerados mostraram uma sobreposição quase perfeita com as máscaras de tumor reais (ground truth), confirmando que o modelo foca nas lesões patológicas e não em ruídos ou artefatos.

5. Significado e Conclusão

Este estudo apresenta uma solução viável para sistemas de suporte à decisão clínica em radiologia. A combinação de alta precisão (quase 100%) com explicabilidade é crucial para a adoção de IA na medicina, pois permite que os radiologistas confiem e validem as sugestões do algoritmo.

• Impacto Clínico: A melhoria marginal de menos de 1% em métricas de erro é considerada clinicamente significativa, pois pode evitar falsos negativos (tumores não detectados) ou falsos positivos (diagnósticos errôneos).
• Limitações e Futuro: O estudo foi limitado a um único conjunto de dados (Figshare) e três tipos de tumores. Trabalhos futuros planejam expandir o modelo para conjuntos de dados multi-centros, multimodais e incluir tumores mais raros para aumentar a capacidade de generalização.

Em suma, a arquitetura EfficientNetV2-MLP-Mixer-Attention demonstra ser uma ferramenta robusta, eficiente e interpretável para a classificação automática de tumores cerebrais, superando os métodos atuais em desempenho e confiabilidade clínica.