Resumo Técnico: FUGC Benchmarking de Aprendizado Semissupervisionado para Segmentação Cervical

Declaração do Problema

A segmentação precisa de estruturas cervicais em ultrassonografia transvaginal (USTV) é crítica para avaliar o risco de parto prematuro espontâneo (PPS). No entanto, o desenvolvimento de modelos de aprendizado profundo supervisionados é dificultado pela escassez de dados médicos rotulados, um desafio exacerbado pelas restrições de privacidade, pela raridade de condições específicas e pelo alto custo da anotação por especialistas. Embora o aprendizado semissupervisionado (SSL) ofereça uma solução ao aproveitar abundantes dados não rotulados, existe uma lacuna significativa em conjuntos de dados publicamente disponíveis e frameworks de avaliação padronizados especificamente para a segmentação cervical por SSL. Os benchmarks existentes baseiam-se exclusivamente no aprendizado totalmente supervisionado, e a própria segmentação cervical apresenta dificuldades únicas, incluindo quedas de sinal (dropouts), artefatos, ausência de bordas e variabilidade anatômica.

Metodologia

O artigo introduz o Fetal Ultrasound Grand Challenge (FUGC), o primeiro benchmark projetado para avaliar métodos de SSL para segmentação cervical.

Conjunto de Dados

O conjunto de dados FUGC compreende 890 imagens de USTV adquiridas utilizando sistemas GE Voluson E10 e E8. Os dados são divididos em:

• Treinamento: 500 imagens (50 rotuladas, 450 não rotuladas).
• Validação: 90 imagens.
• Teste: 300 imagens.
  As anotações para o lábio cervical anterior e posterior foram geradas usando um modelo SAM adaptado para ultrassom e refinadas posteriormente por um ultrassonografista obstétrico experiente (>10 anos de experiência). O conjunto de dados está publicamente disponível sob uma licença CC BY 4.0.

Framework de Avaliação

O desafio seguiu as diretrizes do Biomedical Image Analysis Challenges (BIAS). O desempenho foi avaliado utilizando três métricas:

1. Coeficiente de Similaridade de Dice (DSC): Medido para o lábio anterior (DSC A), lábio posterior (DSC P) e o colo do útero total (DSC All).
2. Distância de Hausdorff (HD): Medida para as mesmas regiões (HD A, HD P, HD All).
3. Tempo de Execução (RT): Tempo de inferência medido em hardware específico (CPU Xeon Silver 4210R, GPU Quadro RTX 8000).

O ranking final utilizou uma combinação ponderada dessas métricas: 0,4 para mDSC (média de DSC A e DSC P), 0,4 para mHD (média de HD A e HD P) e 0,2 para RT. Um limiar de 402 ms foi aplicado à pontuação de RT para garantir que métodos altamente precisos, porém mais lentos, não fossem indevidamente penalizados.

Soluções Participantes

O desafio atraiu 10 equipes vencedoras (82 participantes). Os métodos de melhor desempenho empregaram diversas estratégias, incluindo:

• Refinamento Human-in-the-loop: Correção iterativa de pseudo-rótulos usando ferramentas de anotação (Equipe T1).
• Frameworks de Mean Teacher: Utilizando professores de média móvel exponencial (EMA) e regularização de consistência (Equipes T2, T3, T5, T6, T7, T8, T9).
• Modelos de Fundação: Integração de Vision Transformers (ViT) como codificadores, tais como DINOv2 e DINOv2-S (Equipes T3, T5, T9).
• Pipelines de Múltiplas Etapas: Abordagens de duas ou três etapas envolvendo a geração inicial de pseudo-rótulos (frequentamente via nnUNet), seguida de refinamento e retreinamento (Equipes T1, T4, T7, T10).
• Aumento de Dados (Data Augmentation): Uso extensivo de transformações geométricas, ajustes fotométricos e técnicas avançadas como Copy-Paste, CutMix e Complementary Channel-Wise Dropout.

Resultados Principais

• Desempenho Geral: O método com melhor desempenho (Equipe T1) alcançou uma pontuação ponderada final de 98,51%, equilibrando alta precisão com eficiência razoável.
• Métricas de Precisão:
  • mDSC: O mDSC mais alto foi de 90,26% (Equipe T4).
  • mHD: O menor (melhor) mHD foi de 38,88 (Equipe T4).
  • DSC All: A Equipe T1 alcançou 0,9336, enquanto a Equipe T4 alcançou 0,9289.
• Métricas de Eficiência:
  • Tempo de Execução (Runtime): O tempo de inferência mais rápido foi de 32,85 ms (Equipe T6), enquanto o mais lento foi de 652,38 ms (Equipe T4).
• Trade-offs: Uma análise de fronteira de Pareto identificou as Equipes T1, T2 e T4 como soluções não dominadas, oferecendo trade-offs ideais entre precisão de segmentação, precisão de borda e tempo de execução. A Equipe T1 garantiu o primeiro lugar ao equilibrar efetivamente a precisão da T4 com a eficiência de modelos mais rápidos.

Principais Contribuições

1. Primeiro Benchmark de SSL para Ultrassom Cervical: O FUGC estabelece o primeiro benchmark padronizado e reprodutível especificamente para aprendizado semissupervisionado na segmentação cervical transvaginal, abordando uma lacuna crítica na literatura.
2. Lançamento de um Conjunto de Dados Abrangente: A liberação de 890 imagens de USTV com anotações de alta qualidade e refinadas por especialistas fornece um recurso valioso para a comunidade de imagem médica.
3. Insights Metodológicos: O desafio demonstra que um desempenho competitivo pode ser alcançado com dados rotulados limitados (50 imagens) através de diversas estratégias de SSL, incluindo refinamento de pseudo-rótulos offline, regularização de consistência online e a integração de modelos de fundação.
4. Ciência Aberta: Todos os conjuntos de dados, anotações e códigos-fonte das 10 principais equipes foram liberados publicamente para promover a transparência e pesquisas futuras.

Significância e Alegações

O artigo afirma que o FUGC serve como um catalisador para modelos de segmentação cervical escaláveis e eficientes em termos de dados, contribuindo para o estudo quantitativo da fisiologia uterina e para o desenvolvimento de ferramentas de IA para a medicina materno-fetal.

• Relevância Clínica: Os resultados sugerem que métodos semissupervisionados podem se aproximar do desempenho de algoritmos totalmente supervisionados de última geração (alcançando pontuações DSC >93%), permitindo potencialmente medições mais precisas do comprimento cervical e uma triagem precoce e precisa para o risco de PPS.
• Viabilidade: O estudo demonstra que pipelines de SSL bem desenhados podem mitigar as limitações da escassez de rótulos. Além disso, tempos de inferência tão baixos quanto 32 ms indicam que esses métodos estão se aproximando da aplicabilidade clínica em tempo real.
• Limitações: Os autores observam modestamente que as anotações de referência foram fornecidas por um único especialista, o que limita a avaliação da variabilidade interobservador. Adicionalmente, embora alguns métodos tenham alcançado baixa latência, otimizações adicionais são necessárias para implantação estrita em tempo real em dispositivos de borda (edge devices), e trabalhos futuros devem incluir coortes clínicas mais diversas, particularmente casos de parto prematuro.