Invisible Yet Detected: PelFANet with Attention-Guided Anatomical Fusion for Pelvic Fracture Diagnosis

Resumo Técnico: PelFANet com Fusão Anatômica Guiada por Atenção para o Diagnóstico de Fraturas Pélvicas

Definição do Problema
As fraturas pélvicas são lesões críticas que frequentemente resultam de traumas de alta energia, acarretando riscos significativos de hemorragia e mortalidade. O diagnóstico depende fortemente da avaliação radiográfica, mas fraturas sutis ou "invisíveis" — aquelas que carecem de rupturas corticais óbvias em raios X padrão, mas são confirmadas via TC 3D — são frequentemente negligenciadas, mesmo por radiologistas experientes. As abordagens de aprendizado profundo existentes frequentemente enfrentam dificuldades nesses cenários. Embora a segmentação guiada por classificação ajude a focar em estruturas anatômicas, ela corre o risco de descartar pistas contextuais cruciais (como alinhamento de membros, espaçamento articular ou indicadores de tecidos moles) que residem fora dos limites ósseos. Por outro lado, analisar raios X brutos isoladamente pode falhar em isolar detalhes anatômicos específicos em meio ao ruído de fundo. O desafio reside no desenvolvimento de um modelo que integre efetivamente a precisão anatômica localizada com informações contextuais globais para detectar sinais de fraturas tanto evidentes quanto sutis.

Metodologia
Os autores propõem o PelFANet (Pelvic Fused Attention Network), uma arquitetura de atenção de fluxo duplo projetada para fundir raios X pélvicos brutos (PXR) com imagens ósseas segmentadas. O framework opera através de um pipeline de dois estágios:

1. Segmentação Óssea: Uma U-Net com um codificador Mix Transformer B0 é treinada para gerar máscaras ósseas binárias a partir de PXRs brutos. Este modelo trata toda a região pélvica como uma única classe, produzindo máscaras de segmentação que servem como o segundo fluxo de entrada.
2. Classificação de Fluxo Duplo (PelFANet):
   • Entrada: A rede aceita duas entradas paralelas: o PXR bruto original e a máscara de segmentação óssea correspondente, ambos redimensionados para 224×224.
   • Arquitetura: O núcleo consiste em dois ramos convolucionais independentes que extraem características de cada modalidade. Esses ramos são interconectados através de oito Blocos de Atenção Fundida (FABlocks) empilhados.
   • Mecanismo de Fusão: Dentro de cada FABlock, os mapas de características de ambos os fluxos são processados via convoluções específicas de cada fluxo, concatenados e refinados usando um Módulo de Atenção de Bloco Convolucional (CBAM). O CBAM aplica atenção espacial e de canal sequencial para destacar características informativas. As características fundidas resultantes são projetadas e redistribuídas de volta para ambos os fluxos via conexões residuais, permitindo o refinamento iterativo entre os fluxos.
   • Saída: Após o FABlock final, as características passam por pooling global e são enviadas para uma camada totalmente conectada para classificação binária de fratura.

Principais Contribuições

• Arquitetura de Dupla Entrada: O artigo introduz uma abordagem inovadora que utiliza simultaneamente o contexto da imagem bruta e as estruturas anatômicas segmentadas, abordando a limitação de métodos que dependem de apenas uma modalidade.
• Fusão Guiada por Atenção: O design dos FABlocks permite a interação dinâmica entre os fluxos bruto e segmentado, permitindo que o modelo aprenda combinações de características que capturam tanto o contexto global quanto os detalhes anatômicos localizados.
• Generalização para Fraturas Invisíveis: O estudo visa especificamente a detecção de fraturas "invisíveis" (sinais sutis não visíveis no raio X, mas confirmados por TC), um cenário onde modelos de aprendizado profundo padrão frequentemente apresentam desempenho inferior.

Resultados Experimentais
O modelo foi avaliado no dataset AMERI, que inclui um subconjunto de Fratura Visível (VIS) e um subconjunto desafiador de Fratura Invisível (INVIS) (fraturas confirmadas por TC, mas não visíveis no raio X).

• Segmentação: O modelo de segmentação óssea alcançou uma Interseção sobre União (IoU) média de 90,28% e um Dice Score de 92,78%.
• Desempenho de Classificação (VIS): No subconjunto de fratura visível, o PelFANet alcançou 88,68% de acurácia, 92,21% de recall e um AUC de 0,9334.
• Desempenho de Classificação (INVIS): Crucialmente, o modelo foi testado no subconjunto INVIS sem ter sido treinado nele. Alcançou 82,29% de acurácia, 84,35% de recall e um AUC de 0,8688.
• Comparação: O PelFANet superou os baselines anteriores (incluindo estratégias de pré-treinamento DRR20 e ImageNet) em ambos os subconjuntos. Notavelmente, no subconjunto INVIS, melhorou o AUC de 0,8002 (melhor anterior) para 0,8688 e o F1 score de 78,60% para 81,23%.
• Visualização: Visualizações de Grad-CAM indicaram que casos classificados corretamente mostraram ativação focada em regiões ósseas relevantes, enquanto amostras classificadas incorretamente exibiram atenção dispersa.

Significância e Alegações
Os autores afirmam que o PelFANet demonstra o potencial clínico de arquiteturas de dupla entrada conscientes da anatomia para uma detecção de fratura robusta. A principal significância reside na capacidade do modelo de se generalizar para casos de fraturas invisíveis, apesar de ter sido treinado exclusivamente em fraturas visíveis. Ao reter o contexto estrutural global (dos raios X brutos) juntamente com os limites anatômicos precisos (da segmentação), a rede captura pistas sutis e não locais indicativas de lesões subjacentes que modelos de fluxo único perdem.

O artigo conclui que, embora os resultados sejam promissores, investigações adicionais são necessárias para compreender plenamente as contribuições específicas de componentes como CBAM e FABlocks através de estudos de ablação. Além disso, os autores observam que trabalhos futuros devem envolver a validação do modelo em coortes multicêntricas maiores e a exploração de arquiteturas modernas além das comparações baseadas em ResNet utilizadas neste estudo. O trabalho visa apoiar o uso clínico robusto em tempo real ao abordar os desafios diagnósticos de apresentações radiográficas sutis.