Automatic Landmark-Based Segmentation of Human Subcortical Structures in MRI

Resumo Técnico: Segmentação Automática Baseada em Marcadores de Estruturas Subcorticais Humanas em Ressonância Magnética

Enunciado do Problema
A segmentação precisa de estruturas subcorticais cerebrais em ressonância magnética (RM) é crítica para a pesquisa em neuroimagem e o planejamento clínico. Embora modelos de aprendizado profundo (por exemplo, U-Net, Transformers) tenham avançado a segmentação automatizada, eles frequentemente produzem resultados anatomicamente inconsistentes, como vazamento de limites ou fusão de estruturas vizinhas. Isso ocorre porque as redes convencionais dependem principalmente da aparência do voxel (intensidade e textura) em vez dos pontos de referência anatômicos específicos (marcadores) que neuroanatomistas especialistas utilizam para definir limites. Em contraste, protocolos manuais como o Atlas Harvard–Oxford (HOA) baseiam-se em marcadores específicos (por exemplo, comissura anterior, corpos mamilares) e regras baseadas em planos para delinear estruturas, especialmente em regiões com baixo contraste de intensidade. Os métodos automatizados atuais falham em replicar esse rigor orientado por protocolos, levando a desvios em relação aos limites definidos por especialistas.

Metodologia
Os autores propõem um framework de três etapas, guiado por marcadores, que mimetiza explicitamente o protocolo de segmentação manual do HOA:

1. Detecção de Marcadores (Rede Global-para-Local):

   • Etapa Global: Uma Rede Iterativa Baseada em Patches (PIN) estima conjuntamente 16 marcadores anatômicos. Utiliza uma abordagem global-para-local onde uma CNN prevê vetores de deslocamento e direções de movimento iterativamente. Para impor plausibilidade anatômica, as configurações de marcadores são modeladas usando um espaço de forma baseado em PCA, atualizando parâmetros de forma em vez de regressar coordenadas absolutas diretamente.
   • Etapa Local: Estimativas grosseiras da PIN global são refinadas usando redes neurais convolucionais totalmente 3D (FCNNs) específicas para cada marcador. Esses modelos locais operam em patches centrados ao redor das previsões globais, treinados para prever vetores de deslocamento precisos e escores de presença.

2. Segmentação Semântica Grosseira:

   • Um modelo hierárquico 3D de transformador (UNesT) gera uma segmentação grosseira de 12 rótulos anatômicos agrupados. Esta etapa agrupa múltiplas regiões subcorticais (por exemplo, fundindo Nucleus Accumbens Esquerdo/Direito e Putâmen) para simplificar a previsão inicial.

3. Pós-processamento Orientado por Marcadores:

   • A saída de 12 rótulos é refinada deterministicamente em 26 estruturas distintas usando regras derivadas dos 16 marcadores detectados.
   • Divisão Mediana: Um plano midsagital definido pela Comissura Anterior (AC), Comissura Posterior (PC) e Fissura Pré-pontina (PPF) separa os hemisférios esquerdo e direito.
   • Separação e Truncamento: Marcadores específicos ditam limites, como a divisão do rótulo fundido NAcc–Putâmen usando marcadores de contato, o truncamento do Putâmen anteriormente e a separação do Diencéfalo Ventral em partes anterior e posterior com base em marcadores de corpos mamilares.

Principais Contribuições

• Automação Orientada por Protocolo: O trabalho traduz o protocolo de curadoria manual do HOA em um pipeline automatizado, fechando a lacuna entre a segmentação de aprendizado profundo "cega" e as regras anatômicas de especialistas.
• Refinamento Guiado por Marcadores: Introduz uma etapa de pós-processamento determinística que utiliza marcadores aprendidos para impor restrições anatômicas locais, separando estruturas fundidas e corrigindo posicionamentos de limites sem depender exclusivamente de padrões de intensidade.
• Métricas de Avaliação Novas: O artigo propõe a Distância de Superfície Alinhada ao Protocolo (PASD) para medir a precisão de limites especificamente próximo a planos definidos pelo protocolo, e métricas de regularidade de separação 2D (MAE e $\sigma_y$) para avaliar a retidão e estabilidade das linhas de separação dentro dos cortes.

Resultados
Experimentos foram conduzidos em 100 volumes de RM ponderados em T1 do Projeto Conectoma Humano (80 para treinamento, 10 para validação, 10 para teste).

• Detecção de Marcadores: A PIN global alcançou um erro médio de localização de 1,97 mm. O refinamento local subsequente reduziu isso para 1,33 mm (uma melhoria de 32%). A precisão variou conforme o marcador, com estruturas de alto contraste (AC/PC) localizadas com mais precisão (0,6 mm) do que limites de baixo contraste (~2,6–3,0 mm).
• Desempenho de Segmentação:
  • Sobreposição Global: A abordagem guiada por marcadores produziu um aumento modesto na pontuação global Dice (de 0,8961 para 0,8992) em comparação com a UNesT de base.
  • Precisão de Limites: Melhorias significativas foram observadas nas métricas de limites. A métrica PASD mostrou erros reduzidos para a maioria dos limites definidos pelo protocolo (por exemplo, a PASD do Chifre Inferior Direito diminuiu de 0,636 para 0,356).
  • Regularidade: O método guiado por marcadores reduziu consistentemente o desvio padrão dentro do corte ($\sigma_y$) das linhas de separação para próximo de zero, indicando limites mais retos e estáveis, conformes ao protocolo, enquanto a base apresentou maior variabilidade.
• Avaliação Qualitativa: Um neuroanatomista especialista (coautor do protocolo HOA) confirmou que o método guiado por marcadores aderiu mais estreitamente ao protocolo manual, aplicando corretamente o truncamento anterior/posterior e a separação esquerda/direita onde a base falhou.

Significado e Alegações
O artigo alega que, embora a sobreposição volumétrica global (Dice) possa mostrar apenas ganhos marginais, a integração de marcadores aprendidos melhora significativamente a precisão de limites e a consistência anatômica com protocolos de especialistas. Os autores enfatizam que seu framework aborda uma lacuna específica: a incapacidade da segmentação semântica padrão de reproduzir a delimitação baseada em regras e dependente de marcadores utilizada por especialistas humanos.

O estudo é modesto quanto ao seu escopo, notando que é limitado ao conjunto de dados HOA de adultos jovens saudáveis. No entanto, os autores argumentam que o framework é inerentemente orientado por protocolos e pode ser estendido a outros conjuntos de dados e protocolos anatômicos, desde que os marcadores e regras correspondentes sejam definidos. O trabalho sublinha que reproduzir com precisão protocolos neuroanatômicos manuais requer informações adicionais (marcadores) além da aparência bruta dos voxels.