Attention-Gated Convolutional Networks for Scanner-Agnostic Quality Assessment

1. Problema e Motivação

A análise automática de Ressonância Magnética Estrutural (sMRI) é criticamente dependente da qualidade das imagens. Artefatos de movimento são um desafio significativo, especialmente em coortes clínicas como Transtorno do Espectro Autista (TEA) e TDAH, onde a aquisição de dados é complexa.

• Desafio Principal: O controle de qualidade (QC) manual é o padrão-ouro, mas não é escalável para estudos longitudinais massivos (ex: ABCD, ADNI).
• Limitação Atual: Métodos existentes de aprendizado profundo (DL) e aprendizado de máquina (ML) sofrem de baixa generalização em "locais não vistos" (unseen sites). Modelos treinados em um conjunto de dados específico frequentemente falham ao serem aplicados em imagens de diferentes fabricantes de scanners ou protocolos de aquisição, devido a variações de intensidade específicas do local e ruído de fundo.
• Objetivo: Desenvolver um sistema de QC automatizado, robusto e invariante ao scanner (scanner-agnostic), capaz de detectar artefatos de movimento sem necessidade de re-treinamento ou ajuste fino (fine-tuning) ao mudar de ambiente de aquisição.

2. Metodologia

Os autores propõem uma arquitetura híbrida CNN-Attention (Redes Convolucionais com Mecanismos de Atenção) projetada para extrair características locais e ponderar dependências globais.

A. Pré-processamento e Dados

• Datasets:
  • Treinamento e Validação (Visto): Dataset MR-ART (200 sujeitos, pares de imagens com e sem movimento).
  • Teste (Não Visto): Dataset ABIDE (200 sujeitos de 17 locais heterogêneos, diferentes fabricantes e campos magnéticos).
• Processamento: Os volumes 3D são tratados como fatias axiais 2D. Extraem-se as 50 fatias centrais, removendo ruído de fundo (intensidade média < 0,01) e aplicando normalização min-max independente por fatia. Isso força o modelo a focar em texturas estruturais e padrões de artefato, ignorando variações globais de intensidade entre sites.

B. Arquitetura do Modelo

O modelo é composto por três estágios sequenciais:

1. Codificador CNN 2D (Extração de Características Locais):

   • Utiliza três blocos residuais com seis camadas convolucionais.
   • Empregam convoluções 3x3, normalização em lote (Batch Norm) e ativação ReLU.
   • Redução de dimensionalidade via max-pooling e adaptive average pooling.
   • O objetivo é capturar texturas morfológicas locais (descontinuidades de borda, flutuações de intensidade) típicas de artefatos de movimento.
   • As características são projetadas em vetores de embedding de 128 dimensões.

2. Módulo de Atenção Multi-Cabeça (Re-ponderação Global):

   • Um mecanismo de atenção cruzada (cross-attention) processa os embeddings da CNN.
   • Aplica atenção espacial por canal, calculando pesos dinâmicos para cada característica baseada na distribuição global da imagem.
   • Função Crítica: Atua como uma camada de raciocínio global que prioriza assinaturas de artefatos relevantes para a tarefa (ex: ringing, desfoque) e suprime ativamente o ruído de fundo específico do local (site-specific noise), permitindo a invariância ao scanner.

3. Cabeça de Classificação (MLP):

   • Uma Rede Neural Perceptron Multicamada (MLP) com camadas totalmente conectadas decrescentes (256 → 128 → 64 → 1).
   • Utiliza Dropout para regularização e evitar sobreajuste a padrões específicos do dataset de treinamento.
   • Saída final: Probabilidade escalar via função Sigmoid (0 a 1).

C. Estratégia de Inferência

• O modelo classifica cada fatia 2D individualmente.
• Para obter uma avaliação de qualidade do scan completo, utiliza-se uma estratégia de votação majoritária: se mais de 50% das fatias forem classificadas como "com defeito", o scan inteiro é rejeitado.

3. Resultados Principais

Desempenho em Locais Vistos (MR-ART)

O modelo atingiu desempenho excepcional, validando sua capacidade de detectar assinaturas de artefato:

• Precisão (Accuracy): 99,20% (nível de scan).
• F1-Score: 0,9919.
• Precisão (Precision): 100% (nível de scan).
• Recall: 98,40%.

Desempenho em Locais Não Vistos (ABIDE - 17 Sites)

O teste mais rigoroso foi realizado sem re-treinamento em dados de 17 sites heterogêneos:

• Precisão (Accuracy): 75,50%.
• Recall (Sensibilidade): 84,60%.
• Significância: O modelo manteve uma alta sensibilidade na detecção de artefatos mesmo em ambientes totalmente novos, demonstrando robustez à mudança de domínio (domain shift).

Estudo de Ablação

A comparação de configurações (CNN apenas, CNN + Atenção, CNN + Cabeça de Classificação) revelou que:

• A adição da Atenção foi crucial para a generalização. Sem ela, o modelo tendia a sobreajustar aos padrões do MR-ART, caindo drasticamente no recall em dados ABIDE (de 0,8460 para 0,69).
• A combinação completa (CNN + Atenção + Cabeça) ofereceu o melhor equilíbrio, mantendo a sensibilidade em novos locais com um custo moderado na precisão absoluta.

Comparação com o Estado da Arte

O método proposto superou abordagens existentes (como MIA, JMRI e IJNS) tanto no dataset MR-ART quanto no ABIDE, especialmente em termos de sensibilidade em dados não vistos, onde outros métodos exigiam treinamento específico para cada dataset.

4. Contribuições Chave

1. Arquitetura Híbrida Inovadora: Primeira aplicação de mecanismos de atenção para avaliação de qualidade de MRI, combinando a eficiência espacial das CNNs com a capacidade de raciocínio global da atenção.
2. Invariância ao Scanner: Demonstração de que a re-ponderação baseada em atenção pode filtrar variações de intensidade específicas do local, isolando assinaturas universais de movimento.
3. Escalabilidade Real: Prova de conceito de um modelo que funciona em 17 sites diferentes sem necessidade de fine-tuning, resolvendo um gargalo crítico para consórcios de neuroimagem de grande escala.
4. Pipeline End-to-End: Eliminação da necessidade de engenharia de características manual (como skull-stripping ou segmentação de tecidos) e pipelines complexos de múltiplos estágios.

5. Significado e Conclusão

Este trabalho preenche uma lacuna crítica na automatização do controle de qualidade de MRI. Ao demonstrar que a arquitetura híbrida CNN-Attention pode aprender descritores de artefato universais, o estudo sugere um caminho viável para a implementação de QC automatizado em grandes estudos longitudinais e multi-centros. A capacidade de manter alta sensibilidade em dados não vistos sem re-treinamento posiciona esta abordagem como uma ferramenta promissora para garantir a integridade de grandes bancos de dados de neuroimagem, reduzindo a dependência de revisão manual e permitindo a retenção de mais escaneamentos utilizáveis.

Limitações Futuras: Os autores reconhecem que o tamanho da coorte atual é limitado e planejam expandir os testes para datasets completos (ABIDE completo, ABCD, ADNI) e realizar estudos de ablação mais exaustivos.