ActiveFreq: Integrating Active Learning and Frequency Domain Analysis for Interactive Segmentation

1. Problema Identificado

A segmentação interativa de imagens médicas é crucial para obter rótulos precisos ao nível do pixel, especialmente em cenários onde conjuntos de dados anotados são limitados. No entanto, os métodos existentes enfrentam duas limitações principais:

• Tratamento Uniforme de Regiões Erradas: Ao refinar uma máscara de segmentação, a maioria dos métodos trata todas as regiões mal classificadas (mislabeled) como igualmente importantes, selecionando-as aleatoriamente para correção pelo usuário. Isso ignora que algumas regiões têm um potencial muito maior de melhorar a qualidade final da segmentação do que outras.
• Dependência Exclusiva do Domínio Espacial: Os modelos atuais baseiam-se quase exclusivamente em características do domínio espacial, negligenciando informações do domínio da frequência. A falta de análise de frequência limita a capacidade dos modelos de filtrar ruído de alta frequência (comum em equipamentos de imagem) e preservar informações estruturais de baixa frequência essenciais para delinear estruturas anatômicas finas, como vasos sanguíneos e pequenas lesões.

2. Metodologia Proposta: ActiveFreq

O autores propõem o ActiveFreq, um novo quadro de trabalho (framework) que integra Aprendizado Ativo e Análise de Domínio de Frequência. O pipeline consiste em dois componentes principais:

A. Módulo de Seleção Ativa (AcSelect)

O AcSelect é um módulo de aprendizado ativo projetado para identificar e priorizar a região mais "informativa" para correção, minimizando a interação do usuário. Em vez de escolher aleatoriamente, ele avalia todas as regiões mal classificadas usando três métricas baseadas em entropia:

1. Entropia Máxima do Pixel (MPE): Identifica o pixel mais incerto dentro de uma região, refletindo onde o modelo tem menor confiança.
2. Entropia Média do Pixel (APE): Avalia a incerteza geral de toda a região, garantindo uma visão holística.
3. Incerteza do Grupo Regional (RGU): Analisa a consistência interna da região, comparando o pixel mais errôneo com a média da região para detectar inconsistências.

Essas métricas são combinadas para gerar uma Pontuação de Região (RS). A região com a maior pontuação é selecionada para a próxima interação do usuário, garantindo que cada clique traga o máximo ganho de desempenho. O módulo é projetado para ser "plug-and-play", compatível com backbones baseados em CNN ou Transformer.

B. Backbone de Segmentação (FreqFormer)

O FreqFormer é uma arquitetura de rede que aprimora o SegFormer tradicional integrando módulos de Transformada de Fourier.

• Estrutura: Utiliza um codificador SegFormer e um decodificador FreqNet.
• Módulo de Análise de Frequência (FreqModule): O decodificador divide os mapas de características em quatro sub-rotas. Uma rota mantém as características espaciais originais (via convolução depth-wise), enquanto as outras três aplicam a Transformada Discreta de Fourier (2D DFT) em diferentes pares de dimensões (Altura-Largura, Altura-Canal, Largura-Canal).
• Fusão: As características no domínio da frequência são convertidas de volta ao domínio espacial via Transformada Inversa (2D IDFT), ponderadas e fundidas com as características espaciais. Isso permite que a rede capture padrões estruturais globais e detalhes finos, filtrando ruídos de alta frequência.

3. Principais Contribuições

1. Novo Framework de Seleção: O ActiveFreq é o primeiro pipeline a priorizar regiões mal classificadas com base na sua "informatividade" (incerteza e consistência) em vez de seleção aleatória.
2. Módulo AcSelect: Desenvolvimento de um módulo leve e versátil que utiliza métricas de entropia em três níveis (pixel, conjunto de pixels e região) para otimizar a alocação de cliques do usuário.
3. Integração de Frequência: Introdução do FreqFormer, que incorpora transformadas de Fourier para integrar características complementares dos domínios espacial e frequencial, melhorando a precisão em estruturas anatômicas complexas.
4. Desempenho de Estado da Arte: Demonstração de resultados superiores em benchmarks médicos, reduzindo significativamente o número de cliques necessários para atingir alta precisão.

4. Resultados Experimentais

Os métodos foram avaliados nos conjuntos de dados ISIC-2017 (dermatoscopia) e OAI-ZIB (ressonância magnética de joelho).

• Métricas de Cliques (NoC@90): O ActiveFreq alcançou 3,74 cliques no ISIC-2017 e 9,27 cliques no OAI-ZIB para atingir 90% de IoU.
  • Isso representa uma melhoria de 23,5% e 12,8% sobre os melhores resultados anteriores, respectivamente.
• Eficiência com Poucos Cliques: Sob condições mínimas (apenas 2 cliques), o modelo atingiu mIoU de 85,29% (ISIC-2017) e 75,76% (OAI-ZIB), superando métodos concorrentes como GraCo, SimpleClick e FocalClick.
• Análise de Componentes: Estudos de ablação confirmaram que a combinação de MPE, APE e RGU no AcSelect é superior a estratégias de amostragem aleatória ou baseadas apenas em entropia simples. Da mesma forma, a inclusão das transformadas de Fourier em múltiplas dimensões no FreqFormer foi crucial para o ganho de desempenho.
• Eficiência Computacional: O modelo mantém uma arquitetura leve (9,20 M de parâmetros e 2,67 GFLOPs), sendo competitivo em termos de velocidade e custo computacional.

5. Significado e Impacto

O trabalho ActiveFreq representa um avanço significativo na segmentação interativa médica ao abordar a ineficiência da interação humana e as limitações das representações de características puramente espaciais.

• Redução de Carga de Trabalho: Ao selecionar inteligentemente onde o médico deve clicar, o sistema reduz drasticamente o tempo e o esforço necessários para anotações precisas, tornando-o mais viável para fluxos de trabalho clínicos reais.
• Robustez em Imagens Médicas: A incorporação da análise de frequência oferece uma nova perspectiva para lidar com ruídos e texturas complexas típicas de imagens médicas, melhorando a delimitação de bordas e estruturas pequenas.
• Versatilidade: A natureza modular do AcSelect e do FreqFormer permite sua aplicação em diversas arquiteturas de redes neurais, sugerindo um potencial amplo para futuras pesquisas em visão computacional médica.

Em resumo, o ActiveFreq demonstra que a combinação de estratégias de seleção ativa inteligente com análise de domínio de frequência pode superar os métodos atuais, oferecendo segmentações de alta qualidade com mínima intervenção humana.