DuSCN-FusionNet: An Interpretable Dual-Channel Structural Covariance Fusion Framework for ADHD Classification Using Structural MRI

1. Problema e Contexto

O Transtorno de Déficit de Atenção e Hiperatividade (TDAH) é uma condição neurodesenvolvimental prevalente, mas seu diagnóstico neurobiológico permanece desafiador devido à falta de biomarcadores de imagem confiáveis, especialmente marcadores anatômicos. Embora a Ressonância Magnética Estrutural (sMRI) ofereça insights valiosos sobre anomalias neuroanatômicas, a maioria das abordagens atuais de Deep Learning (DL) atua como "caixas-pretas". Isso limita a confiança clínica e a interpretabilidade, pois os modelos não conseguem explicar quais regiões cerebrais fundamentam suas previsões. Existe, portanto, uma necessidade urgente de frameworks que não apenas classifiquem com precisão, mas também localizem regiões cerebrais relevantes para o TDAH.

2. Metodologia Proposta: DuSCN-FusionNet

O autores propõem o DuSCN-FusionNet, um pipeline de aprendizado profundo baseado apenas em sMRI, projetado para ser interpretável. A arquitetura divide-se em três módulos principais:

• Pré-processamento e Extração de Características:

  • Utiliza-se o atlas AAL (Automated Anatomical Labeling) para parcelar o cérebro em 116 Regiões de Interesse (ROIs).
  • Para cada ROI, extraem-se dois descritores morfológicos complementares:
    1. Intensidade Média Normalizada (MNI): Captura a intensidade média do tecido.
    2. Amplitude Interquartil (IQR): Captura a heterogeneidade estrutural intra-regional.
  • Adicionalmente, são calculadas estatísticas globais (média, desvio padrão e mediana) da imagem inteira.

• Modelagem de Redes de Covariância Estrutural (SCNs):

  • O núcleo do método é a construção de SCNs de Duplo Canal. Em vez de analisar apenas volumes locais, o modelo modela as relações inter-regionais (covariância) entre as ROIs.
  • Duas matrizes de covariância são construídas para cada sujeito:
    1. Um SCN baseado na intensidade (usando MNI).
    2. Um SCN baseado na heterogeneidade (usando IQR).
  • Cada SCN combina informações de nível de grupo (covariância populacional) e nível individual (variabilidade específica do sujeito) através de uma estratégia de fusão ponderada.
  • Essas duas matrizes são empilhadas para formar um tensor de entrada de 2 canais ($2 \times 116 \times 116$).

• Arquitetura de Classificação e Fusão Tardia:

  • Ramo SCN-CNN: Um CNN (Rede Neural Convolucional) processa o tensor de duplo canal para extrair representações hierárquicas das interações estruturais.
  • Ramo Auxiliar: As características auxiliares (IQR por ROI e estatísticas globais) são processadas por camadas totalmente conectadas (FC).
  • Fusão Tardia: Os vetores de características do CNN e do ramo auxiliar são concatenados e passados por camadas finais de classificação.

• Interpretabilidade (Pós-hoc):

  • Adapta-se o algoritmo Grad-CAM para o domínio das SCNs. Em vez de mapear pixels, o Grad-CAM agrega gradientes sobre as linhas e colunas da matriz de adjacência da SCN.
  • Isso gera escores de importância em nível de ROI, permitindo identificar quais regiões cerebrais contribuíram mais para a classificação de TDAH.

3. Contribuições Principais

1. Pipeline de Duplo Canal: Desenvolvimento de uma representação baseada em SCNs que captura simultaneamente a intensidade média e a heterogeneidade estrutural entre regiões cerebrais.
2. Fusão de Características Complementares: Integração de características de covariância estrutural (via CNN) com características de variabilidade local e estatísticas globais (via fusão tardia) para melhorar a discriminação.
3. Interpretabilidade Anatômica: Adaptação do Grad-CAM para redes de covariância, permitindo a localização de biomarcadores estruturais candidatos, superando a limitação de "caixa-preta" comum em modelos de DL.

4. Resultados Experimentais

O modelo foi avaliado no conjunto de dados ADHD-200 (sítio da Universidade de Pequim), contendo 194 sujeitos (78 TDAH e 116 Controles Saudáveis - HC).

• Desempenho de Classificação:
  • Utilizando validação cruzada estratificada de 10 dobras com uma estratégia de ensemble de 5 sementes.
  • Acurácia Balanceada (ACC): 80,59% (± 9,39).
  • AUC (Área sob a Curva ROC): 0,778.
  • Precisão, Recall e F1-Score: 81,66%, 80,59% e 80,27%, respectivamente.
• Comparação com o Estado da Arte: O modelo superou ou competiu com métodos recentes que usam sMRI bruta ou outras arquiteturas 3D-CNN, destacando-se por fornecer interpretabilidade (biomarcadores), algo que os métodos comparados não ofereciam.
• Estudo de Ablação: A remoção das características auxiliares ou do ensemble de sementes resultou em quedas significativas de desempenho (ex: sem características auxiliares, a ACC caiu para ~62%), validando a eficácia da fusão proposta.

5. Significado e Descobertas Biológicas

A análise de interpretabilidade (Grad-CAM) identificou 12 ROIs supraliminares como as mais discriminativas. As regiões mais relevantes incluíram:

• Caudado bilateral: Parte fundamental do circuito fronto-estriatal, crítico para o controle executivo.
• Cíngulo (anterior/médio/posterior): Relacionado ao controle cognitivo e processamento emocional.
• Lóbulos paracentrais e Vérme cerebelar (Vermis 9-10): Associados à modulação atencional e afetiva.

Esses achados alinham-se com a neurobiologia estabelecida do TDAH, validando que o modelo aprendeu padrões clinicamente relevantes.

Conclusão

O DuSCN-FusionNet demonstra que modelar explicitamente a covariância estrutural entre regiões cerebrais, combinada com a heterogeneidade intra-regional e estatísticas globais, oferece representações discriminativas robustas para o diagnóstico de TDAH. Mais importante ainda, ao integrar a interpretabilidade via Grad-CAM adaptado, o framework conecta as previsões do modelo a circuitos neuroanatômicos conhecidos, fortalecendo o potencial de tradução clínica de IA explicável em neuroimagem.