DiffSegLung: Diffusion Radiomic Distillation for Unsupervised Lung Pathology Segmentation

Resumo Técnico: DiffSegLung

Declaração do Problema
A segmentação não supervisionada de patologias pulmonares (enfisema, fibrose, consolidação e lesões cavitárias) em tomografias computadorizadas (TC) permanece um desafio significativo. Essa dificuldade decorre da escassez de coortes multipatológicas anotadas e do desequilíbrio de classes severo inerente aos dados médicos, o que torna as abordagens supervisionadas e semissupervisionadas impraticáveis. Além disso, os métodos existentes de segmentação baseados em difusão não exploram o sinal quantitativo de Unidades Hounsfield (UH), que distingue fisicamente as classes de tecido. Modelos de difusão de TC anteriores normalmente são treinados em imagens normalizadas de 8 bits, descartando informações quantitativas críticas, e não incorporam descritores radiômicos artesanais para orientar a aprendizagem de representações.

Metodologia: DiffSegLung
Os autores propõem o DiffSegLung, um framework para segmentação totalmente não supervisionada de patologias pulmonares que introduz a Destilação Radiômica por Difusão. O framework opera em duas etapas:

1. Fase de Treinamento (Destilação Radiômica por Difusão):

   • Arquitetura: Um Modelo Probabilístico de Difusão com Remoção de Ruído (DDPM) em espaço de pixels 3D, com base em U-Net, é treinado em patches 3D nativos, preservando as UH.
   • Destilação Professor-Aluno: Em vez de um professor de rede neural, o sistema utiliza um conjunto de descritores radiômicos artesanais e não diferenciáveis como um "professor fundamentado na física". Para cada patch, é extraído um vetor radiômico de 34 dimensões, compreendendo estatísticas da GLCM, histogramas LBP, respostas de filtros de Gabor e estatísticas de primeira ordem das UH.
   • Objetivo Contrastivo: Um cabeçalho de projeção radiômica ($\phi_r$) mapeia o vetor radiômico do professor para um espaço de incorporação compartilhado, enquanto um cabeçalho de projeção do aluno ($\phi_s$) mapeia os recursos do gargalo da U-Net para o mesmo espaço. Uma perda contrastiva InfoNCE alinha essas projeções: pares de patches com alta similaridade cosseno radiômica são aproximados, enquanto pares dissimilares são afastados.
   • Agendamento de Aquecimento: Para evitar que a representação do gargalo colapse antes que características de textura significativas sejam estabelecidas, a perda de destilação é introduzida gradualmente por meio de um agendamento de aquecimento.
   • Preservação de Dados: O modelo é treinado em valores de UH nativos, em vez de imagens normalizadas de 8 bits, para preservar informações de densidade física.

2. Fase de Inferência:

   • Extração de Recursos: O codificador treinado ($\epsilon_\theta$) é executado usando um DPM-Solver para 250 passos. Recursos do gargalo são registrados em múltiplos passos de tempo ($T = \{50, 100, 150, 200\}$).
   • Agrupamento: Recursos de múltiplos passos de tempo são agregados e passados pelo cabeçalho de projeção do aluno. Essas incorporações são agrupadas usando um Modelo de Mistura Gaussiana (GMM) com 5 componentes.
   • Atribuição de Rótulos: Os rótulos dos agrupamentos são atribuídos com base no valor médio de UH de cada cluster, comparado a limites clinicamente estabelecidos. Este é o único ponto onde conhecimento de domínio é aplicado; nenhum dado rotulado é utilizado.
   • Refinamento de Fronteiras: Um módulo de Fusão Sobel-Difusão refina as fronteiras de segmentação combinando a detecção de bordas baseada em gradiente (Sobel) com a superfície de decisão do cluster, seguida por uma verificação de compatibilidade de UH consciente da física para suprimir previsões que caem fora dos intervalos de UH esperados para a classe atribuída.

Principais Contribuições
O artigo delineia três contribuições primárias:

1. Destilação Professor-Aluno Radiômica: O primeiro esquema a utilizar descritores radiômicos artesanais como professor para a aprendizagem de representações por difusão, não exigindo anotações manuais.
2. Treinamento com Preservação de UH: Uma estratégia de treinamento de DDPM 3D que retém informações quantitativas de UH, produzindo representações de gargalo fisicamente significativas.
3. Desempenho Aprimorado: Melhorias demonstradas tanto na coerência da segmentação não supervisionada quanto na fidelidade de geração em comparação com bases anteriores.

Resultados Experimentais
O framework foi avaliado em 190 fatias axiais anotadas por especialistas, extraídas de quatro coortes heterogêneas de TC (BPCO, ILD, ILD-2 e Tuberculose).

• Desempenho de Segmentação: O DiffSegLung superou todas as bases não supervisionadas (K-Means em radiômica, apenas recursos de difusão e DAAM) em todas as quatro classes de patologia.
  • DSC Geral: Alcançou 89,3% (média sobre quatro classes), comparado a 81,6% para a próxima melhor base (DAAM).
  • Desempenho Específico por Classe: O modelo alcançou pontuações de DSC de 84,1% (Saudável), 86,4% (GGO), 76,2% (Fibrose) e 8,6% (Enfisema). Os autores observam que o enfisema permanece a classe mais desafiadora devido à sobreposição de UH com o parênquima saudável ($-950$a$-700$ UH), o que limita a separabilidade mesmo com destilação radiômica.
  • Precisão de Fronteira: O método alcançou um HD95 médio de 8,6, significativamente menor (melhor) que as bases, atribuído ao refinamento de Fusão Sobel-Difusão.
• Qualidade de Geração: O DiffSegLung melhorou a fidelidade de geração sobre modelos anteriores de difusão de TC (LungDDPM+ e MedVAE).
  • FID: Reduzido de 31,7 (LungDDPM+) para 18,4.
  • SSIM/PSNR: Melhorado para 0,891 e 31,8, respectivamente.
  • Estudo de Ablação: Confirmou que a preservação de UH forneceu o maior ganho único (+3,5 pontos de DSC). O agendamento de aquecimento foi crítico para evitar o colapso do gargalo, e a agregação de múltiplos passos de tempo melhorou a localização de fronteiras.

Significado e Alegações
Os autores afirmam que o DiffSegLung demonstra que a destilação radiômica pode beneficiar simultaneamente objetivos discriminativos (segmentação) e generativos. Ao utilizar descritores físicos artesanais como professor, o framework impõe uma estrutura fisicamente consistente no espaço latente de um modelo generativo sem exigir dados anotados. O trabalho destaca que preservar informações quantitativas de UH é o componente mais importante para distinguir classes de tecido, particularmente para patologias como o enfisema, onde a densidade é o principal diferenciador. O artigo conclui que, embora o método avance significativamente a segmentação não supervisionada, a sobreposição inerente de UH entre enfisema e tecido saudável permanece uma limitação, sugerindo que trabalhos futuros devem focar em agrupamento mais granular e consciente de UH.