Sparse Representation Learning for Vessels

Resumo Técnico: VAEsselSparse para Aprendizado de Representação Esparsa de Vasos

Declaração do Problema
A análise da vasculatura humana e de estruturas semelhantes a vasos (por exemplo, vias aéreas) em resolução submilimétrica é crítica para diagnóstico clínico, estratificação de risco e planejamento de tratamento. No entanto, a extração dessas redes a partir de modalidades de imagem resulta em grandes mapas de segmentação 3D. Aprender representações eficazes para tais dados volumétricos de alta resolução impõe desafios computacionais significativos. Os métodos existentes frequentemente dependem de suposições simplificadoras — como modelar vasos como estruturas exclusivamente arborescentes, splines ou grafos métricos — o que sacrifica detalhes geométricos 3D essenciais ou limita a análise a pequenas regiões. Além disso, estratégias padrão de aprendizado de representação baseadas em patches falham em capturar o contexto global de redes vasculares inteiras em nível de órgão. Abordagens convolucionais densas lutam com o custo computacional de processar volumes completos em nível de órgão em altas resoluções, enquanto frequentemente perdem conectividade estrutural fina devido a efeitos de média.

Metodologia: VAEsselSparse
Os autores propõem o VAEsselSparse, uma arquitetura eficiente de codificador-decodificador projetada para aprender representações compactas e significativas de redes vasculares 3D em grande escala e em nível de órgão diretamente a partir de máscaras de segmentação esparsas.

• Formulação Esparsa: Diferentemente de imagens 3D densas, mapas de segmentação vascular são inerentemente esparsos ($\|x\|_{\ell_0} \ll H \cdot W \cdot D$). O VAEsselSparse representa a entrada não como uma grade densa, mas como um conjunto esparso de coordenadas de voxels ativos $C_x$ e seus vetores de características associados, formando um tensor esparso $X = (C_x, F_x)$. Isso permite que o cálculo escale com o número de voxels ativos em vez do tamanho total do volume.
• Arquitetura: O modelo emprega um framework de Autoencoder Variacional (VAE) utilizando convoluções esparsas e mecanismos de atenção esparsa.
  • Codificador ($E_\phi$): A geometria local é extraída usando blocos de CNN 3D residuais esparsos (convoluções que preservam esparsidade, normalização de grupo, ReLU). A resolução espacial é reduzida via convoluções esparsas com passo (strided) para atingir a resolução latente desejada. Para preservar a conectividade global frequentemente perdida em compressões agressivas, os voxels do gargalo são tratados como tokens com codificação posicional baseada em coordenadas e processados através de camadas de auto-atenção esparsa em janelas. Isso permite o fluxo de informação entre segmentos vasculares distantes, mantendo custos computacionais tratáveis.
  • Decodificador ($D_\theta$): Espelha o codificador, refinando tokens latentes com blocos de transformer esparsos antes de aumentar progressivamente a representação usando convoluções esparsas transpostas e blocos residuais. A saída final é uma reconstrução probabilística via ativação sigmoide.
• Objetivo de Treinamento: O modelo é treinado com um objetivo VAE padrão composto por um termo de reconstrução e um regularizador KL. Crucialmente, a perda de reconstrução é computada apenas na união de voxels ativos da verdade fundamental e do suporte de reconstrução, evitando supervisão densa sobre toda a grade.
• Compressão: A arquitetura alcança uma taxa de compressão espacial de $8 \times 8 \times 8$ (e uma taxa de compressão volumétrica dependente da profundidade de canal), significativamente maior do que VAEs volumétricos anteriores, mantendo a conectividade estrutural.

Principais Contribuições

1. Design de Arquitetura: Introdução do VAEsselSparse, um codificador-decodificador adaptado para estruturas vasculares 3D esparsas que combina convoluções esparsas e atenção esparsa para lidar com redes em nível de órgão em resolução submilimétrica sem suposições simplificadoras.
2. Desempenho: Demonstração de desempenho superior de reconstrução em comparação com contrapartes densas e métodos anteriores, alcançando alta compressão espacial ($8 \times 8 \times 8$) enquanto preserva a conectividade topológica.
3. Utilidade Descendente: Validação de que o espaço latente aprendido retém características discriminativas clinicamente relevantes, apoiando efetivamente tarefas descendentes como classificação vascular (por exemplo, detecção de aneurisma/estenose, subvariantes do Polígono de Willis) e servindo como espaço de incorporação para modelagem generativa para sintetizar vasculatura realista.

Resultados Experimentais
O método foi avaliado em um conjunto de dados consolidado de vasos aéreos, cerebrais e pulmonares (resolução isotrópica de 0,5 mm) e conjuntos de dados específicos de desafios (INSTED, TopCoW).

• Reconstrução: O VAEsselSparse superou uma linha de base de VAE denso (com contagens de parâmetros semelhantes) e um MedVAE de última geração (que utilizou compressão $4 \times 4 \times 4$ mais baixa) em métricas incluindo Dice, clDice e números de Betti (erros topológicos). Especificamente, alcançou um clDice de 92,11 comparado a 73,48 para o VAE denso na mesma compressão $8 \times 8 \times 8$, e superou significativamente o VesselGPT (clDice 1,64) em estruturas complexas.
• Classificação: Em conjuntos de dados não vistos (INSTED e TopCoW), o espaço latente permitiu forte desempenho de classificação. Um MLP treinado em características do VAEsselSparse alcançou 87,96% de precisão balanceada no INSTED (vs. 85,24% para ResNet e 34,89% para VAE Denso+PCA+RF). Visualizações t-SNE confirmaram que os espaços latentes do VAEsselSparse formam clusters distintos para classes saudáveis, de aneurisma e de estenose, enquanto VAEs densos falharam em separar essas classes.
• Modelagem Generativa: Um U-Net de remoção de ruído treinado no espaço latente do VAEsselSparse produziu amostras de vasos mais realistas do que um treinado no espaço latente do VAE denso. Métricas quantitativas (Distância Mínima de Correspondência, Cobertura, Precisão do Vizinho Mais Próximo) favoreceram o VAEsselSparse, atribuído ao seu espaço latente esparso e de baixa dimensão, que mitiga questões relacionadas à alta dimensionalidade e tamanhos limitados de amostras.

Significado e Alegações
O artigo alega que o VAEsselSparse aborda uma lacuna crítica nos métodos existentes ao permitir o aprendizado de representações significativas para redes vasculares inteiras em nível de órgão em resolução clínica (submilimétrica) sem depender de simplificações geométricas. Ao aproveitar a esparsidade inerente das estruturas vasculares, o método alcança eficiência computacional substancial e compressão espacial. Os autores postulam que essa abordagem que preserva a esparsidade fornece um caminho prático para modelagem escalável e clinicamente útil de vasculatura de alta resolução, facilitando tanto a reconstrução precisa quanto a síntese de estruturas vasculares realistas para aplicações clínicas descendentes.