Using Unsupervised Domain Adaptation Semantic Segmentation for Pulmonary Embolism Detection in Computed Tomography Pulmonary Angiogram (CTPA) Images

Este artigo propõe um framework de adaptação de domínio não supervisionada, baseado em Transformers e arquitetura Mean-Teacher com módulos de alinhamento de protótipos, aprendizado contrastivo e predição auxiliar, para melhorar a detecção de embolia pulmonar em imagens CTPA através de diferentes centros e modalidades, superando desafios de deslocamento de domínio e a falta de anotações especializadas.

O essencial

Imagine que você é um médico radiologista muito experiente, capaz de encontrar pequenos coágulos sanguíneos (embolias pulmonares) em exames de tomografia (CTPA) de um hospital específico. Você treinou sua "intuição" (um modelo de Inteligência Artificial) usando milhares de exames desse hospital. Tudo funciona perfeitamente lá.

Mas, de repente, você precisa usar esse mesmo modelo em um outro hospital. O problema? Os equipamentos de tomografia são diferentes, o contraste injetado no paciente é diferente, e até a forma como as imagens são processadas muda. É como se você estivesse tentando dirigir um carro que você conhece bem, mas agora está em um país onde as placas de trânsito são escritas em um idioma diferente e as ruas têm curvas diferentes. O seu modelo, que era um gênio no Hospital A, fica confuso e quase não vê nada no Hospital B. Isso é chamado de "deslocamento de domínio".

Além disso, treinar um novo modelo do zero exigiria que radiologistas humanos gastassem meses desenhando contornos em cada imagem do novo hospital, o que é caro e demorado.

A Solução Proposta: O "Mestre e o Aprendiz" com Óculos Mágicos

Os autores deste artigo criaram uma solução inteligente chamada Adaptação de Domínio Não Supervisionada. Eles não pediram ajuda humana para o novo hospital; em vez disso, eles ensinaram a IA a se adaptar sozinha.

Aqui está como eles fizeram isso, usando analogias simples:

1. O Sistema "Mestre e Aprendiz" (Mean-Teacher)

Imagine um Mestre (um professor experiente) e um Aprendiz (um aluno).

• O Aprendiz tenta aprender com os exames do novo hospital (que não têm respostas).
• O Mestre é uma versão mais estável do Aprendiz. Ele não muda bruscamente; ele é uma "média" de todas as versões anteriores do Aprendiz.
• O Mestre olha para as imagens do novo hospital e diz: "Acho que aqui tem um coágulo". Ele cria um "rascunho" (chamado de pseudo-rotulagem).
• O Aprendiz tenta imitar esse rascunho. Se o Mestre estiver certo, o Aprendiz aprende. Se o Mestre estiver confuso, o sistema usa filtros para ignorar o erro.

2. Os Três "Superpoderes" Adicionados

Para garantir que o Aprendiz não fique confuso, os autores deram a ele três ferramentas especiais:

A. O GPS de Identidade (Prototype Alignment - PA)

Imagine que cada tipo de tecido no corpo (pulmão, coágulo, osso) tem uma "impressão digital" única.

• No Hospital A, a impressão digital do "coágulo" é um pouco diferente da do Hospital B.
• O GPS de Identidade pega a "impressão digital" do coágulo do Hospital A e a alinha com a do Hospital B. Ele diz: "Ei, embora a cor da foto seja diferente, a estrutura interna é a mesma. Vamos tratá-los como o mesmo grupo". Isso ajuda a IA a reconhecer que, apesar das diferenças visuais, o coágulo é o coágulo.

B. O Detetive de Padrões Globais e Locais (GLCL)

Pense em tentar reconhecer uma pessoa em uma foto.

• Visão Local: Você olha para o nariz e os olhos (detalhes pequenos).
• Visão Global: Você olha para a silhueta e a postura (o todo).
• O sistema usa uma técnica chamada Aprendizado Contrastivo para ensinar a IA: "Se duas imagens têm a mesma silhueta e os mesmos detalhes, mas cores diferentes, elas são a mesma coisa".
• Eles usaram um "banco de memórias" (MoCo) para lembrar de milhares de exemplos negativos, garantindo que a IA não confunda um coágulo com uma mancha aleatória, mesmo sem ter muitos exemplos para treinar.

C. O Foco Inteligente (AALP - O Grande Diferencial)

Este é o ponto mais criativo do artigo.

• O Problema: Os coágulos pulmonares são minúsculos. Se você cortar uma imagem aleatoriamente (como um "recorte aleatório"), 99% das vezes você vai pegar apenas ar (fundo) e nenhum coágulo. É como tentar achar uma agulha no palheiro cortando pedaços aleatórios do palheiro.
• A Solução: A IA usa um Mapa de Atenção (como se fosse um foco de luz). Ela olha para a imagem inteira e pergunta: "Onde a IA está mais 'interessada'?".
• Em vez de cortar aleatoriamente, o sistema corta automaticamente apenas as áreas onde o mapa de atenção brilha forte (onde provavelmente está o coágulo).
• Analogia: Em vez de jogar dardos no escuro tentando acertar um alvo minúsculo, você usa um laser para iluminar exatamente onde o alvo está e só treina com essa parte iluminada. Isso garante que a IA estude apenas o que importa.

3. O Resultado: Um Modelo Robusto e Barato

O estudo testou essa ideia em dois cenários:

1. Entre Hospitais Diferentes: A IA melhorou drasticamente sua capacidade de encontrar coágulos em novos hospitais, quase dobrando sua precisão.
2. Entre Tipos de Exames (CT para MRI): Eles também testaram em exames de coração, mudando de Tomografia para Ressonância Magnética. O modelo conseguiu se adaptar sem precisar de novos rótulos humanos.

Por que isso é importante?
Muitas soluções de IA médicas são como "supercomputadores": precisam de máquinas gigantescas e caras para funcionar. A solução deste artigo é como um "smartphone eficiente": ela roda em uma placa de vídeo comum (uma RTX 4090), é rápida e, o mais importante, não precisa de médicos gastarem horas rotulando dados novos.

Resumo Final:
Os autores criaram um sistema de IA que aprende a "traduzir" exames de um hospital para outro sozinho. Eles usaram um "Mestre" para guiar o "Aprendiz", alinharam as "impressões digitais" dos tecidos e, o mais genial de tudo, ensinaram a IA a focar apenas nas áreas importantes da imagem, ignorando o fundo vazio. Isso torna a detecção de embolias pulmonares mais acessível, barata e confiável para hospitais ao redor do mundo.

Resumo técnico

Título: Detecção de Embolia Pulmonar em Imagens de Angiografia Computadorizada de Pulmão (CTPA) usando Segmentação Semântica com Adaptação de Domínio Não Supervisionada

1. Problema Identificado

A embolia pulmonar (EP) é uma condição cardiovascular fatal que exige diagnóstico imediato. A Angiografia Computadorizada de Pulmão (CTPA) é o padrão-ouro clínico, mas a interpretação manual é desafiadora devido ao tamanho minúsculo das lesões (especialmente em nível subsegmentar) e à complexidade das estruturas vasculares.
Embora o Deep Learning tenha mostrado promessas, sua aplicação prática enfrenta dois obstáculos principais:

• Deslocamento de Domínio (Domain Shift): Modelos treinados em um centro hospitalar (domínio fonte) falham ao generalizar para dados de outros centros (domínio alvo) devido a variações em protocolos de scanners, tempo de contraste e demografia dos pacientes.
• Custo de Anotação: A re-treinagem supervisionada em novos domínios é impraticável devido ao alto custo e tempo necessário para que radiologistas realizem anotações pixel a pixel.

A Adaptação de Domínio Não Supervisionada (UDA) surge como solução, permitindo transferir conhecimento de um domínio fonte rotulado para um domínio alvo não rotulado. No entanto, métodos existentes (como Mean-Teacher com crops aleatórios) sofrem com ruído nas pseudo-rotulagens e falham em detectar lesões pequenas e esparsas, como a EP.

2. Metodologia Proposta

Os autores propõem um framework de UDA baseado em Transformers (especificamente Mix Vision Transformer - MiT-B5) e uma arquitetura Mean-Teacher, integrando três módulos inovadores para melhorar a confiabilidade das pseudo-rotulagens e a sensibilidade a pequenas lesões:

• Arquitetura Base: Utiliza um codificador MiT-B5 (pré-treinado no ImageNet) e um decodificador Feature Pyramid Network (FPN) para capturar dependências semânticas de longo alcance e detalhes de alta resolução, superando as limitações de receptividade local das CNNs tradicionais.
• Módulos de Alinhamento no Espaço de Características:
  1. Alinhamento de Protótipos (PA): Reduz discrepâncias na distribuição de nível de categoria. Alinha os centróides das características (protótipos) de classes específicas entre os domínios fonte e alvo, utilizando uma atualização por momento para garantir estabilidade, especialmente crítica dada a escassez de lesões de EP.
  2. Aprendizado Contrastivo Global e Local (GLCL):
     • Global: Captura a estrutura e o layout geral da imagem, ignorando variações de estilo superficial. Utiliza a técnica MoCo (Momentum Contrast) com uma fila (queue) para manter negativas diversificadas sem exigir batches grandes.
     • Local: Foca em contornos e detalhes finos, alinhando pixels vizinhos para preservar a topologia estrutural.
  3. Predição Local Auxiliar Baseada em Atenção (AALP): Esta é uma contribuição central. Diferente dos métodos anteriores que usam crops aleatórios (que frequentemente capturam apenas fundo em imagens de EP), o AALP utiliza os mapas de atenção do Transformer para identificar e extrair automaticamente regiões ricas em informação (onde as lesões estão localizadas). Isso garante que o módulo auxiliar aprenda apenas com patches semanticamente relevantes.
• Treinamento: O framework emprega regularização de consistência entre o modelo "estudante" e o "professor" (cujos pesos são uma Média Móvel Exponencial dos pesos do estudante), filtrando pseudo-rotulagens de baixa confiança com base na entropia.

3. Contribuições Principais

1. Framework Eficiente: Desenvolvimento de um framework UDA baseado em Transformer e Mean-Teacher otimizado para segmentação de EP em CTPA, equilibrando desempenho e restrições de recursos computacionais.
2. Módulos de Alinhamento de Características: Integração de PA, GLCL e AALP para ativamente melhorar a qualidade das pseudo-rotulagens e abordar o desafio da detecção de lesões minúsculas.
3. Substituição de Crops Aleatórios: Proposta do módulo AALP, que utiliza mapas de atenção para localizar lesões, superando a ineficiência de amostragem aleatória em cenários de classes desbalanceadas.
4. Validação Rigorosa: Demonstração de robustez em cenários de seleção de modelo estritamente não supervisionada (sem uso de rótulos do domínio alvo para validação), um cenário mais fiel à realidade clínica.

4. Resultados Experimentais

Os experimentos foram conduzidos em conjuntos de dados cruzados (centros diferentes) e cruzados (modos diferentes):

• Adaptação Cruzada de Centros (CTPA - FUMPE $\leftrightarrow$ CAD-PE):

  • FUMPE $\to$ CAD-PE: O IoU (Interseção sobre União) aumentou drasticamente de 0,1152 (sem adaptação) para 0,4153.
  • CAD-PE $\to$ FUMPE: O IoU aumentou de 0,1705 para 0,4302.
  • Isso confirma a capacidade do modelo de mitigar o deslocamento de domínio entre hospitais diferentes.

• Adaptação Cruzada de Modalidades (Cardíaco - CT $\to$ MRI no dataset MMWHS):

  • O modelo alcançou um Dice Score de 69,9% na tarefa CT $\to$ MRI.
  • Comparado a um modelo "source-only" (apenas CT) que obteve 19,4%, houve uma melhoria massiva.
  • O modelo superou ou competiu com métodos State-of-the-Art (SOTA) como MAPSeg e MA-UDA, mas com uma arquitetura 2D muito mais leve.

• Eficiência Computacional:

  • Ao contrário de métodos SOTA que exigem GPUs de nível V100, arquiteturas 3D pesadas ou ensembles complexos, a solução proposta rodou com sucesso em uma única NVIDIA RTX 4090 (24 GB), oferecendo uma solução viável para ambientes clínicos com recursos limitados.

5. Significado e Impacto

Este trabalho é significativo porque:

• Resolve o Problema da Escassez de Lesões: Ao substituir o cropping aleatório por uma seleção guiada por atenção, o modelo aprende efetivamente características de lesões de EP que ocupam uma fração mínima da imagem.
• Viabilidade Clínica: Demonstra que é possível alcançar alto desempenho em UDA sem depender de anotações caros no domínio alvo e sem exigir hardware de ponta, facilitando a implantação em hospitais reais.
• Generalização Robusta: A validação em tarefas de adaptação de centro e de modalidade (CT para MRI) prova que o framework é robusto e generalizável para diversos cenários clínicos, não apenas para EP.

Em resumo, o estudo oferece uma solução prática e eficiente para automatizar a detecção de embolia pulmonar em diferentes centros hospitalares, superando barreiras de deslocamento de domínio e limitações de hardware.