DINOv3 with Test-Time Calibration for Automated Carotid Intima-Media Thickness Measurement on CUBS v1

Resumo Técnico: DINOv3 com Calibração em Tempo de Teste para Medição Automatizada da Espessura Intima-Média Carotídea (CIMT)

1. Problema e Motivação

A Espessura Intima-Média Carotídea (CIMT), medida via ultrassonografia em modo B, é um biomarcador vascular estabelecido para aterosclerose e estratificação de risco cardiovascular. Embora existam diversos métodos computacionais para delimitação de fronteiras e estimativa de CIMT, modelos profundos robustos e transferíveis que abordem simultaneamente a segmentação e a medição física ainda são pouco explorados, especialmente na era dos Modelos Fundamentais de Visão (Vision Foundation Models).

Os desafios principais incluem:

• A natureza fina da estrutura alvo (banda íntima-média) e o baixo contraste nas imagens de ultrassom.
• A necessidade de que a saída seja fisicamente significativa (em micrômetros, µm), e não apenas sobreposição de pixels.
• A variabilidade entre leitores manuais, que motiva a busca por métodos automáticos precisos.

2. Metodologia

O trabalho propõe um pipeline baseado no modelo DINOv3 (um encoder visual transformer auto-supervisionado) adaptado para o conjunto de dados CUBS v1 (Carotid Ultrasound Boundary Study). O fluxo de trabalho é dividido em quatro etapas principais:

1. Segmentação com DINOv3:

   • Utiliza-se um encoder vit base patch16 dinov3 (do ecossistema timm) seguido de uma cabeça de segmentação convolutiva leve.
   • As imagens de ultrassom são convertidas para escala de cinza, redimensionadas para 512x512, normalizadas e processadas para prever uma máscara binária da banda íntima-média.
   • A função de perda combina Entropia Cruzada e Perda Dice.

2. Extração de Medição e Correção de Unidades:

   • Após a segmentação, as fronteiras superior e inferior são extraídas coluna a coluna.
   • Correção de Redimensionamento: Como a rede opera em imagens redimensionadas (512x512) mas o fator de calibração (mm/pixel) do CUBS é definido na resolução original, o método aplica uma correção matemática:
     $$\text{mm/pixel}_{512} = \text{mm/pixel}_{\text{orig}} \times \frac{\text{altura}_{\text{orig}}}{512}$$
   • A espessura em pixels é convertida para micrômetros (µm) usando este fator corrigido.

3. Calibração em Tempo de Teste (Test-Time Calibration):

   • Em vez de usar um limiar padrão (0.50) para binarizar o mapa de probabilidade, o sistema realiza uma varredura de limiar no conjunto de validação.
   • O limiar ótimo é selecionado para minimizar o erro absoluto da CIMT, alinhando a regra de decisão diretamente com o objetivo clínico de medição, e não apenas com a sobreposição (IoU/Dice).

4. Avaliação:

   • Métricas de segmentação: Coeficiente Dice e IoU.
   • Métricas de medição: Erro Absoluto Médio (MAE), Raiz do Erro Quadrático Médio (RMSE), viés sistemático (bias) e correlação de Pearson.
   • Divisão dos dados: Realizada ao nível do paciente (evitando vazamento de dados entre treino e teste) com três sementes aleatórias.

3. Contribuições Principais

1. Adaptação de DINOv3: Demonstração da viabilidade de usar um backbone de modelo fundamental (DINOv3) para a análise da banda íntima-média carotídea, superando a dependência de priors manuais ou arquiteturas específicas de CNNs tradicionais.
2. Correção de Unidades Físicas: Implementação explícita de uma correção de escala que propaga o fator de calibração original para a grade de inferência redimensionada, permitindo relatórios de CIMT em unidades físicas (µm) precisos.
3. Calibração Orientada à Medição: Introdução de um procedimento de calibração em tempo de teste que otimiza o limiar de pós-processamento especificamente para reduzir o erro de medição clínica, demonstrando que a otimização para sobreposição (Dice) não é sinônimo de otimização para precisão de medição.

4. Resultados

Os resultados foram avaliados em três divisões de teste ao nível do paciente (totalizando 1314 imagens de teste):

• Desempenho de Segmentação:

  • Dice médio: 0.7739 ± 0.0037
  • IoU médio: 0.6384 ± 0.0044
  • O modelo demonstrou estabilidade na delimitação da estrutura fina.

• Precisão da Medição CIMT:

  • Erro Absoluto Médio (MAE): 181.16 ± 11.57 µm (aprox. 0.18 mm).
  • Viés médio: 1.74 ± 37.07 µm.
  • Correlação de Pearson: 0.480 ± 0.259 (variável entre as sementes, mas com escala de erro clinicamente relevante).

• Impacto da Calibração em Tempo de Teste:

  • Em um subconjunto de validação retido (n=28), o uso do limiar padrão (0.50) resultou em um erro de 141.0 µm com um viés de 101.3 µm.
  • Após a calibração (limiar ajustado para 0.80), o erro absoluto caiu para 101.1 µm e o viés foi reduzido para -14.9 µm (próximo de zero).
  • Isso demonstra que a calibração pós-processamento pode melhorar significativamente o ponto final clínico sem alterar os pesos do modelo.

5. Significância e Conclusão

O estudo estabelece que os Modelos Fundamentais de Visão são viáveis para medição de CIMT quando o passo de medição é tratado como um problema de primeira classe, e não como uma reflexão tardia.

• Relevância Clínica: Os resultados situam a abordagem baseada em DINOv3 na faixa de medição clinicamente relevante de ~0.1 mm, competindo com os melhores métodos computacionais clássicos reportados no benchmark original do CUBS (como TUMDE e CNR IT).
• Inovação Metodológica: O trabalho destaca que a sobreposição de segmentação (Dice) e a precisão da espessura são relacionadas, mas distintas. A calibração física e a otimização de limiar para o objetivo de medição são essenciais para transformar uma máscara de segmentação em uma ferramenta de diagnóstico quantitativo confiável.
• Limitações: O estudo foca apenas no conjunto de dados CUBS v1 e a generalização para outras coortes de ultrassom ainda precisa ser estabelecida. Além disso, a correlação variável entre as sementes sugere sensibilidade à composição dos dados.

Em suma, o artigo valida um pipeline moderno que combina representações aprendidas de larga escala com correções físicas rigorosas e calibração orientada a tarefas, oferecendo uma base robusta para a análise automatizada de ultrassom carotídeo.