StrokeNeXt: A Siamese-encoder Approach for Brain Stroke Classification in Computed Tomography Imagery

O artigo apresenta o StrokeNeXt, um modelo baseado em uma arquitetura Siamese com codificadores ConvNeXt que alcança desempenho superior e estatisticamente significativo na classificação e detecção de tipos de AVC em imagens de tomografia computadorizada, superando métodos existentes com alta precisão e baixa latência.

O essencial

Imagine que o cérebro é como uma cidade muito movimentada, e o sangue são os carros que levam comida e oxigênio para os habitantes (as células). Um derrame cerebral (ou stroke) acontece quando uma rua principal é bloqueada por um acidente (isquemia) ou quando um cano estoura e alaga a cidade (hemorragia).

O problema é que, na medicina, identificar qual tipo de acidente aconteceu e onde ele está é como tentar achar uma agulha num palheiro, olhando apenas para fotos de raio-X (tomografias). Isso exige olhos de especialistas, muito tempo e, se o médico estiver cansado ou distraído, pode errar.

É aqui que entra o StrokeNeXt, o "super-herói" criado pelos autores deste artigo. Vamos explicar como ele funciona usando analogias do dia a dia:

1. O Problema: Olhar só uma vez não basta

Antes, os computadores tentavam analisar essas imagens de uma só vez, como se você olhasse para uma foto rápida e tentasse adivinhar o que aconteceu. Às vezes, você perde detalhes importantes.

2. A Solução: O Duplo Espectro (O "Gêmeo" Inteligente)

O StrokeNeXt usa uma ideia genial chamada arquitetura Siamese (ou de "gêmeos").

• A Analogia: Imagine que você tem dois detetives especialistas (os "codificadores") olhando para a mesma foto do cérebro ao mesmo tempo.
• Como funciona: Eles não são cópias exatas um do outro; cada um tem sua própria "lente" e experiência. Enquanto o Detetive A foca em padrões de textura, o Detetive B pode estar focando em formas e bordas. Eles trabalham em paralelo, sem compartilhar anotações durante o processo.
• O Resultado: Quando eles terminam, eles trazem duas visões diferentes do mesmo problema. Isso é muito mais rico do que apenas uma visão única.

3. A Fusão: O "Tradutor" Rápido

Depois que os dois detetives trazem suas observações, eles precisam conversar para chegar a uma conclusão.

• A Analogia: Em vez de fazer uma reunião longa e complexa (o que deixaria o computador lento), o StrokeNeXt usa um decodificador leve. Imagine um tradutor super-rápido que pega as duas visões, mistura as informações de forma inteligente e diz: "Ok, isso é um bloqueio" ou "Isso é um vazamento".
• A Vantagem: Esse tradutor é tão eficiente que não gasta muita energia (computação), permitindo que o diagnóstico seja feito em milésimos de segundo.

4. Os Resultados: Precisão de Cirurgião, Velocidade de Raio

Os pesquisadores testaram esse sistema em mais de 6.700 imagens reais de pacientes.

• Precisão: O StrokeNeXt acertou em mais de 98% dos casos. Para comparar, os métodos antigos (como os "detetives" mais simples) erravam muito mais, especialmente em casos difíceis.
• Confiança: O sistema não só acerta, mas sabe quão certo está. Ele não dá palpites aleatórios; suas previsões são calibradas, o que é crucial para um médico confiar na máquina.
• Velocidade: Ele é rápido. O modelo menor consegue analisar centenas de imagens por segundo. Isso significa que, em uma emergência, ele pode ajudar o médico a tomar a decisão certa antes que o tempo acabe.

5. Por que isso importa?

Diferenciar entre um bloqueio e um vazamento é vital. O tratamento para um é totalmente diferente do outro (um precisa de remédio para desentupir, o outro precisa de cirurgia para estancar o sangramento). Se você errar o tipo, pode piorar a situação do paciente.

O StrokeNeXt é como um assistente de superpoderes que:

1. Não cansa.
2. Não tem sono.
3. Vê detalhes que o olho humano pode perder.
4. É rápido o suficiente para salvar vidas em tempo real.

Em resumo: Os criadores do StrokeNeXt inventaram um sistema que usa "dois olhos" inteligentes e um "cérebro" rápido para ler tomografias de cérebro. Eles provaram que é possível ter uma máquina que é ao mesmo tempo extremamente precisa (quase perfeita) e super leve, pronta para ser usada em hospitais do mundo todo para ajudar a salvar vidas.

Resumo técnico

1. Problema e Motivação

O acidente vascular cerebral (AVC) é uma condição médica crítica e uma das principais causas de mortalidade e incapacidade no mundo. O diagnóstico precoce e preciso é vital, pois o tratamento difere drasticamente entre os dois tipos principais: isquêmico (bloqueio vascular) e hemorrágico (ruptura vascular).

Atualmente, o diagnóstico depende de radiologistas analisando imagens de Tomografia Computadorizada (CT), um processo que é:

• Subjetivo e propenso a erros: Varia entre observadores e depende da experiência do especialista.
• Tempo-sensível: O atraso no diagnóstico pode levar a danos cerebrais irreversíveis.
• Limitado por recursos: A escassez de especialistas em ambientes com recursos limitados dificulta o diagnóstico rápido.

Embora métodos de Inteligência Artificial (IA) tenham sido propostos, muitos enfrentam um trade-off entre precisão e eficiência computacional. Modelos baseados em Transformers (como Vision Transformers) exigem grandes volumes de dados e alto custo computacional, enquanto redes convolucionais tradicionais (CNNs) podem ter capacidade representacional limitada. O objetivo deste trabalho é desenvolver um modelo que combine alta precisão diagnóstica com eficiência computacional para implantação em cenários clínicos reais.

2. Metodologia: StrokeNeXt

O StrokeNeXt é uma arquitetura de Aprendizado Profundo (Deep Learning) projetada especificamente para classificação de AVC em imagens 2D de CT. Sua arquitetura baseia-se em três pilares principais:

A. Codificador Siamese de Dupla Ramificação (Dual-Branch Siamese Encoder)

• Estrutura: O modelo utiliza dois codificadores ConvNeXt idênticos que processam a mesma imagem de entrada em paralelo.
• Hipótese: Embora compartilhem a entrada, os ramos não compartilham parâmetros. Durante o treinamento estocástico, cada ramo tende a especializar-se em diferentes pistas visuais e caminhos de abstração.
• Vantagem: Isso gera representações complementares, mitigando a perda de informação comum em pipelines de caminho único e aumentando a diversidade de características extraídas.
• Base: O ConvNeXt foi escolhido por combinar princípios de design de Transformers com a eficiência de CNNs puramente convolucionais, oferecendo alta capacidade representacional sem o custo computacional excessivo dos Transformers.

B. Decodificador de Fusão Leve (Lightweight Fusion Decoder)

• Mecanismo: As características extraídas pelos dois ramos são fundidas através de um módulo personalizado.
• Processo:
  1. As saídas dos encoders são empilhadas para criar uma dimensão sintética de sequência.
  2. Uma convolução 1D (kernel size 2) é aplicada para fundir os pares de vetores, aprendendo interações locais e misturas de canais entre os ramos (superior a uma simples soma ou concatenação).
  3. Segue-se um "gargalo" (bottleneck) com convoluções pontuais (1x1) e camadas de transformação (BatchNorm, GELU, Dropout) para refinar a representação sem aumentar significativamente a latência.
• Eficiência: Este design evita o aumento excessivo de parâmetros e memória, mantendo a latência baixa.

C. Cabeça de Classificação

• Um cabeçalho compacto finaliza o processo, gerando a classificação final (presença de AVC ou subtipo).

3. Conjunto de Dados e Experimentos

• Dados: O modelo foi avaliado em um conjunto de dados curado de 6.774 imagens de CT (disponíveis no TEKNOFEST 2021), anotadas por radiologistas.
• Classes: 4.551 casos sem AVC, 1.093 AVC hemorrágico e 1.130 AVC isquêmico.
• Cenários de Avaliação:
  1. Detecção de AVC: Classificação binária (AVC vs. Normal).
  2. Classificação de Subtipos: Classificação binária (Isquêmico vs. Hemorrágico), excluindo casos normais.
• Pré-processamento: Redimensionamento para 224x224, normalização e aumento de dados (rotação, flip, jitter).

4. Resultados Principais

O StrokeNeXt foi comparado com diversas arquiteturas de ponta (CNNs como ResNet, VGG, MobileNet; Transformers como Swin; e métodos híbridos).

Desempenho na Detecção de AVC (Presença vs. Normal)

• Precisão: O modelo StrokeNeXt-large alcançou 98,7% de precisão e 0,987 de F1-score, superando significativamente baselines como ResNet50 (87-89%) e Swin Transformer (89%).
• Robustez: O modelo apresentou valores de AUROC e AUPRC próximos de 1,0 (>0,99), indicando excelente discriminação mesmo em cenários desbalanceados.
• Calibração: Baixo Expected Calibration Error (ECE) e Brier Score, indicando que as probabilidades de saída são confiáveis para decisões clínicas.
• Eficiência: A variante StrokeNeXt-tiny oferece um equilíbrio ideal, com 57,6M de parâmetros, 8,98 GFLOPs e latência de 2ms, superando CNNs leves em precisão sem sacrificar a velocidade.

Desempenho na Classificação de Subtipos (Isquêmico vs. Hemorrágico)

• Precisão: O modelo atingiu até 98,8% de precisão e 0,988 de F1-score.
• Sensibilidade e Especificidade: Diferente de outros modelos que tendem a favorecer uma classe em detrimento da outra, o StrokeNeXt manteve sensibilidade e especificidade equilibradas (>0,97 para ambas as classes). Isso é crucial clinicamente, pois confundir isquêmico com hemorrágico pode levar a tratamentos fatais.
• Significância Estatística: Testes de McNemar confirmaram que as melhorias em relação aos modelos concorrentes são estatisticamente significativas (p < 0,0001).

Comparação com o Estado da Arte

O StrokeNeXt superou métodos anteriores na literatura, incluindo OzNet, StrokeViT e abordagens baseadas em 3D-CNN, alcançando os melhores resultados em F1-score e métricas de calibração, muitas vezes com menor custo computacional.

5. Contribuições Chave

1. Arquitetura Inovadora: Proposta de uma abordagem Siamese de dupla ramificação com codificadores ConvNeXt e um decodificador de fusão leve baseado em convoluções 1D, otimizando a diversidade de características.
2. Alto Desempenho e Eficiência: Demonstração de que é possível alcançar precisão de ponta (>98%) mantendo baixa latência e consumo de memória, viabilizando a implantação em tempo real.
3. Robustez Clínica: Evidência de que o modelo reduz erros de classificação crítica (falsos negativos em subtipos) e oferece previsões bem calibradas, essenciais para suporte à decisão médica.
4. Benchmarks: Estabelecimento de uma nova linha de base e conjunto de benchmarks para futuras pesquisas em classificação de AVC via CT.

6. Significância e Conclusão

O StrokeNeXt representa um avanço significativo na aplicação de IA para neurologia de emergência. Ao resolver o dilema entre precisão e velocidade, o modelo oferece uma ferramenta prática para auxiliar radiologistas, potencialmente reduzindo o tempo de diagnóstico e melhorando os desfechos dos pacientes. A capacidade de distinguir com alta confiança entre AVC isquêmico e hemorrágico, mesmo com variantes leves do modelo, posiciona o StrokeNeXt como uma alternativa superior e viável aos métodos atuais, especialmente em ambientes com recursos computacionais limitados.

Limitações: O estudo baseia-se apenas em imagens de CT e não incorpora dados demográficos ou desfechos clínicos do paciente. A validação em coortes mais diversas e em diferentes configurações de hardware é necessária para generalização total.