VAMAE: Vessel-Aware Masked Autoencoders for OCT Angiography

1. O Problema

A Angiografia por Tomografia de Coerência Óptica (OCTA) é uma modalidade de imagem não invasiva crucial para visualizar a microvasculatura da retina e diagnosticar doenças como retinopatia diabética e glaucoma. No entanto, a aprendizagem de representações robustas a partir desses dados enfrenta desafios únicos:

• Estruturas Esparsas: Ao contrário de imagens naturais densas, as imagens OCTA são dominadas por um fundo uniforme, onde os vasos sanguíneos ocupam apenas 10–15% dos pixels.
• Falha dos Métodos Atuais: Abordagens de Self-Supervised Learning (SSL) convencionais, como os Masked Autoencoders (MAE) padrão, utilizam mascaramento aleatório e uniforme. Em imagens OCTA, isso resulta em uma tarefa de pré-treino trivial, onde o modelo tenta reconstruir principalmente regiões de fundo vazias, falhando em capturar a geometria, conectividade e topologia dos vasos.
• Dependência de Anotações: Métodos supervisionados exigem anotações densas e caras de especialistas, limitando a escalabilidade.

2. Metodologia: VAMAE

Os autores propõem o VAMAE (Vessel-Aware Masked Autoencoder), um framework de pré-treinamento auto-supervisionado que incorpora conhecimento anatômico específico do domínio médico. A metodologia baseia-se em dois pilares principais:

A. Estratégia de Mascaramento Consciente de Vasos (Vessel-Aware Masking)

Em vez de mascarar patches aleatoriamente, o VAMAE utiliza um mascaramento adaptativo guiado pela estrutura vascular:

1. Pré-processamento: Para cada imagem OCTA, são gerados três componentes complementares:
   • Mapa de Vesselness: Usando o filtro de Frangi para realçar estruturas tubulares.
   • Mapa Binário de Vasos: Limiarização do mapa de vesselness.
   • Esqueleto Vascular: Extração de linhas centrais de 1 pixel para capturar topologia e bifurcações.
2. Seleção de Patches: Calcula-se a densidade de vasos e a presença de esqueleto em cada patch. Um escore de importância híbrido prioriza patches ricos em vasos para o mascaramento, forçando o modelo a aprender a reconstruir estruturas complexas em vez de fundo.
3. Regularização Estocástica: Uma mistura controlada (peso $\alpha=0.6$) entre a prioridade de vasos e aleatoriedade é usada para evitar overfitting.

B. Objetivo de Reconstrução Multi-Alvo

O decodificador do VAMAE não reconstrói apenas a imagem original de intensidade. Ele é treinado para prever simultaneamente três alvos complementares para cada patch mascarado:

1. Intensidade ($\hat{I}$): Aparência visual de baixo nível.
2. Vesselness ($\hat{V}$): Estrutura morfológica e tubular.
3. Esqueleto ($\hat{S}$): Conectividade topológica global e padrões de ramificação.
   A função de perda total pondera esses objetivos (0.3 para intensidade, 0.5 para vesselness e 0.2 para esqueleto), enfatizando a estrutura vascular.

Arquitetura

O modelo utiliza uma arquitetura assimétrica Encoder-Decoder baseada em Vision Transformer (ViT). O Encoder processa apenas os patches visíveis, enquanto o Decoder leve reconstrói todos os patches (visíveis e mascarados) usando tokens de mascaramento aprendíveis.

3. Principais Contribuições

• VAMAE: Introdução de um autoencoder mascarado consciente de vasos especificamente para OCTA.
• Mascaramento Guiado por Vasos: Uma estratégia inovadora que usa respostas de vesselness e prioridades derivadas de esqueletos para direcionar o aprendizado para regiões informativas.
• Reconstrução Multi-Alvo: Um objetivo de pré-treino que modela conjuntamente aparência, estrutura e topologia, superando a limitação de reconstrução de pixel único.
• Eficiência de Rótulos: Demonstração de que o pré-treinamento auto-supervisionado geométrico pode superar métodos supervisionados tradicionais com apenas 50% dos dados anotados.

4. Resultados Experimentais

Os experimentos foram conduzidos no benchmark OCTA-500 (500 imagens) para tarefas de segmentação de vasos grandes, veias e Zona Avascular Foveal (FAZ).

• Desempenho Geral: O VAMAE alcançou 82.4% de Dice na segmentação de vasos grandes com supervisão total, superando significativamente o MAE padrão (76.8%) e outros métodos de SSL médicos (como MedMAE e BioVessel-Net).
• Eficiência de Anotação: Com apenas 50% dos dados rotulados, o VAMAE atingiu 78.4% de Dice, superando ou igualando métodos treinados com 100% dos dados (incluindo o estado-da-arte supervisionado CS2-Net).
• Generalização: O modelo demonstrou robustez em diferentes estruturas anatômicas (vasos grandes, FAZ, veias) e severidades de doenças, mantendo ganhos consistentes sobre as baselines.
• Estudos de Ablação:
  • O mascaramento consciente de vasos sozinho trouxe um ganho de +4.8 pontos de Dice sobre o mascaramento aleatório.
  • A reconstrução multi-alvo adicionou +0.8 pontos adicionais.
  • A remoção do alvo de vesselness causou a maior queda de desempenho, confirmando sua importância crítica.

5. Significado e Impacto

O trabalho VAMAE demonstra que a integração de conhecimento de domínio médico (geometria vascular e topologia) nos mecanismos de Self-Supervised Learning é fundamental para imagens médicas esparsas.

• Superação da Limitação de Textura: Ao focar na estrutura em vez de apenas na textura ou pixels de fundo, o modelo aprende representações transferíveis que capturam a continuidade vascular.
• Redução de Custos: A capacidade de atingir desempenho de ponta com metade das anotações necessárias reduz drasticamente o custo e o tempo de desenvolvimento de soluções de IA para oftalmologia.
• Direção Futura: O estudo sugere que futuros frameworks de SSL para medicina devem abandonar a neutralidade geométrica dos métodos de visão computacional geral em favor de abordagens "conscientes da anatomia".

Em resumo, o VAMAE estabelece um novo padrão para a análise de OCTA, provando que a geometria-awareness no pré-treinamento é essencial para extrair representações clínicas robustas de dados não rotulados.