Decoupling Wavelet Sub-bands for Single Source Domain Generalization in Fundus Image Segmentation

1. Formulação do Problema

Generalização de Domínio (DG) em Imagens de Fundo de Olho:
Modelos de aprendizado profundo para segmentação de imagens de fundo de olho da retina (especificamente para o Disco Óptico e a Taça Óptica) sofrem degradação de desempenho quando implantados em dados de domínios não vistos (hospitais diferentes, dispositivos ou condições de iluminação). Isso é causado pelo deslocamento de domínio, onde variações nas condições de aquisição (iluminação, ruído do sensor, textura) criam uma incompatibilidade de distribuição entre os dados de treinamento (fonte) e de teste (alvo).

Limitações das Abordagens Existentes:

• Adaptação de Domínio (DA) e Adaptação no Momento do Teste (TTA): Requerem acesso a dados do domínio alvo durante o treinamento ou inferência, o que é frequentemente restrito por regulamentações de privacidade e custos de anotação.
• Generalização de Domínio de Fonte Única (SDG): O cenário mais realista, onde os modelos são treinados em um único conjunto de dados de origem e devem generalizar para alvos não vistos. Os métodos SDG existentes frequentemente falham porque:
  • Aumento de Dados: Transformações sintéticas frequentemente corrompem estruturas anatômicas críticas.
  • Aprendizado de Representação: Desacoplar "estilo" (aparência) de "conteúdo" (anatomia) é difícil, pois eles são inerentemente acoplados em imagens médicas.
  • Métodos de Frequência: Métodos baseados em Fourier carecem de localidade espacial, tornando-os inadequados para modelar a organização espacial de estruturas anatômicas.

2. Metodologia: WaveSDG e WISER

Os autores propõem o WaveSDG, uma rede de segmentação construída sobre uma espinha dorsal codificador-decodificador em forma de U (codificador ResNet18) que integra um módulo inovador chamado Extração e Refinamento de Estrutura Invariante Baseada em Wavelets (WISER).

Conceito Central: Desacoplamento de Sub-bandas de Wavelet

Em vez de tratar todos os recursos da imagem igualmente, o módulo WISER aplica uma Transformada Discreta de Wavelet (DWT) Haar Profunda aos mapas de recursos do codificador. Isso decompõe os recursos em quatro sub-bandas, cada uma com papéis semânticos distintos:

• LL (Baixo-Baixo): Captura a estrutura anatômica global e conteúdo de baixa frequência.
• LH/HL (Baixo-Alto / Alto-Baixo): Capturam respostas de bordas horizontais e verticais (limites).
• HH (Alto-Alto): Dominado por ruído do sensor e artefatos.

Arquitetura do Módulo WISER

O módulo WISER processa os recursos do codificador camada por camada antes de serem passados para o decodificador via conexões de salto. Ele realiza três operações específicas:

1. Desacoplamento Anatomia-Estilo (Sub-banda LL):

   • A sub-banda LL é decomposta em representações de Estilo ($f^s$) e Anatomia/Conteúdo ($f^c$) usando camadas convolucionais idênticas e Normalização de Instância (IN).
   • Uma Perda Ortogonal é aplicada para impor a decorrelação entre $f^s$ e $f^c$, garantindo que a representação da anatomia seja independente da aparência específica do domínio (ex.: iluminação, tom de cor).
   • A sub-banda LL refinada é reconstruída usando a representação de conteúdo normalizada.

2. Refinamento Seletivo de Bordas (Sub-bandas LH e HL):

   • Impulsionador de Bordas (EB): Calcula a energia de borda normalizada para amplificar adaptativamente respostas de bordas fracas causadas por baixo contraste ou baixa qualidade de imagem.
   • Seletor de Bordas (ES): Usa o recurso de conteúdo consciente da anatomia ($f^c$) para gerar um portão espacial. Este portão retém seletivamente bordas alinhadas com estruturas anatômicas, suprimindo ruído de fundo e bordas espúrias.
   • As sub-bandas LH e HL são refinadas multiplicando-as pelas saídas de ambos o EB e o ES.

3. Supressão de Ruído (Sub-banda HH):

   • A sub-banda HH, que é dominada por ruído, é completamente suprimida (definida como zero) para prevenir a propagação de ruído.

4. Reconstrução:

   • As sub-bandas filtradas são reconstruídas via DWT Inversa (IDWT).
   • Uma conexão residual combina os recursos filtrados com os recursos originais para garantir estabilidade no treinamento.

Estratégia de Treinamento

• Função de Perda: O modelo utiliza uma Perda Dice Multiclasse para segmentação, aumentada com Supervisão Profunda (DS) para impor consistência de limites em todas as escalas.
• Restrição de Ortogonalidade: Um cronograma de rampa linear é usado para introduzir gradualmente a perda ortogonal, permitindo que o modelo primeiro aprenda representações específicas da tarefa antes de impor um desacoplamento estrito.

3. Contribuições Principais

1. Módulo WISER Inovador: Um módulo leve e eficiente em recursos que desacopla a estrutura anatômica da aparência específica do domínio usando decomposição de sub-bandas de wavelet.
2. Processamento de Sub-bandas Semânticas: Diferentemente de métodos anteriores de wavelet que tratam todas as sub-bandas igualmente, o WISER aproveita explicitamente as diferenças semânticas: refinando LL para anatomia global, aprimorando LH/HL para limites e suprimindo HH para ruído.
3. Impulsionador e Seletor de Bordas: Um mecanismo duplo que amplifica adaptativamente bordas fracas e filtra ruído não anatômico, garantindo uma delimitação precisa da Região de Interesse (ROI) mesmo sob grandes deslocamentos de domínio.
4. Arquitetura WaveSDG: Um framework completo de SDG que previne a propagação de pistas de aparência específicas do domínio através das conexões de salto, um ponto de falha comum em U-Nets padrão.

4. Resultados Experimentais

Conjuntos de Dados:

• Origem: Conjunto de dados Refuge (840 treinamento, 120 validação, 240 teste).
• Alvo (Não Visto): 5 conjuntos de dados incluindo Drishti-GS, Gamma e o multi-domínio Cháks.u (Bosch, Forus, Remidio), cobrindo vários tipos de câmeras (clínicas e portáteis).

Métricas de Desempenho:

• Coeficiente de Pontuação Dice (DSC): Mede a sobreposição.
• Distância de Hausdorff do Percentil 95 (HD95): Mede a precisão do alinhamento de limites.

Principais Descobertas:

• Precisão Superior: O WaveSDG superou consistentemente sete métodos do Estado da Arte (SOTA) (incluindo BigAug, C2SDG, FreeSDG e EGSDG) em todos os conjuntos de dados de destino.
• Robustez: Alcançou os melhores scores Dice balanceados para segmentação tanto do Disco Óptico (OD) quanto da Taça Óptica (OC).
• Precisão de Limite: O WaveSDG alcançou o menor HD95 com variância reduzida, indicando superior alinhamento de limites e estabilidade.
• Generalização: O modelo performou excepcionalmente bem em conjuntos de dados de câmeras portáteis (ex.: Forus, Remidio), que tipicamente sofrem com deslocamentos de domínio severos.
• Estudos de Ablação: Confirmaram que o módulo WISER melhora significativamente o DSC e reduz o HD95. A adição de Supervisão Profunda aprimorou ainda mais o desempenho.
• Eficiência: O módulo adicionou apenas 3,24M de parâmetros e uma sobrecarga computacional de 13,27%, mantendo uma latência de inferência baixa de 14,8ms.

5. Significado

Esta pesquisa aborda um gargalo crítico na IA médica: a incapacidade de modelos de generalizar entre diferentes configurações clínicas sem retreinamento. Ao explorar a Transformada Discreta de Wavelet (DWT), os autores fornecem uma maneira principiante de separar "o que" é a anatomia de "como" ela parece (estilo).

• Impacto Clínico: O método permite a implantação de ferramentas de segmentação robustas para glaucoma e outras doenças retinianas usando dados de uma única fonte, reduzindo a necessidade de coleta de dados multicêntrica cara e sensível à privacidade.
• Inovação Técnica: Avança além da simples augmentação ou treinamento adversarial, oferecendo uma solução estrutural que respeita as propriedades físicas e semânticas das imagens retinianas (layout global vs. bordas locais).
• Direções Futuras: O design modular sugere potencial para aplicação em tarefas de cross-modality (ex.: RM para TC) ou generalização de cross-sequence.