Evaluation of Anatomical Shape Priors in Deep Learning-Based Cardiac Multi-Compartment Segmentation

Resumo Técnico: Avaliação de Priors de Forma Anatômica em Segmentação Multi-Compartimental Cardíaca Baseada em Aprendizado Profundo

Declaração do Problema
A segmentação multi-compartimental do coração inteiro a partir de TC cardíaca é uma tarefa crítica para aplicações clínicas, como avaliação quantitativa (por exemplo, fração de ejeção), planejamento de tratamento e intervenções guiadas por imagem. Embora o aprendizado profundo, particularmente variantes 3D U-Net, tenha se tornado a abordagem dominante devido à sua extração de características multiescala e capacidades de localização espacial, esses modelos são principalmente orientados pela aparência. Eles carecem de codificação explícita de conhecimento de forma anatômica, uma lacuna que anteriormente motivou o uso de modelos estatísticos de forma na era pré-aprendizado profundo. A questão central de pesquisa é saber se priors de forma explícitos e leves podem fornecer benefícios mensuráveis em relação a uma forte linha de base 3D U-Net para segmentação de TC cardíaca de sete classes (ventrículos, átrios, miocárdio e grandes vasos).

Metodologia
O estudo avalia duas categorias de priors de forma explícitos integrados a uma linha de base 3D U-Net padrão:

1. Funções de Perda Conscientes de Forma: Três famílias de regularizadores foram testadas para injetar conhecimento anatômico grosseiro sem alterar a espinha dorsal da segmentação:

   • Regularização de Volume: Penaliza desvios dos volumes esperados dos compartimentos derivados das estatísticas do conjunto de treinamento.
   • Regularização de Forma Baseada em Momentos: Impõe o alinhamento de momentos espaciais suaves de primeira e segunda ordem (centroides, elipsoides) entre previsões e referências de treinamento via distância L2.
   • Função de Perda de Relação Anatômica: Restringe distâncias em pares e relações angulares entre centroides de classes com base em estatísticas dos dados de treinamento.

2. Priors Arquiteturais: Mapas de calor de probabilidade multiclasse em nível populacional (representando distribuições médias de rótulos espaciais) foram integrados em vários designs de rede:

   • HM Multilayer: Uma variante de supervisão profunda com um cabeçalho de previsão de mapa de calor auxiliar.
   • 2-Decoder: Uma rede com decodificadores separados para segmentação e previsão de mapa de calor para forçar o codificador a aprender características que suportem ambos.
   • 2-Encoder: Uma rede com codificador duplo processando entradas de imagem e mapa de calor em paralelo.
   • Cascada: Uma arquitetura de três U-Nets para previsão grosseira seguida de refinamento.

Configuração Experimental
Os experimentos foram conduzidos no conjunto de dados MM-WHS CT (20 exames de treinamento, 40 exames de teste) e na extensão publicamente disponível WHS++ (20 casos adicionais). O pré-processamento envolveu reorientação, reamostragem isotrópica e alinhamento baseado em Procrustes para derivar mapas de calor populacionais. Os modelos foram treinados nas resoluções $64^3$ e $128^3$ com aumento extensivo de dados. O desempenho foi avaliado usando Dice, Jaccard, Distância de Hausdorff (HD) e Distância Simétrica Média de Superfície (ASSD).

Principais Resultados
O estudo produz uma descoberta negativa consistente em todos os conjuntos de dados e configurações:

• Dominância da Linha de Base: Uma 3D U-Net padrão serviu como uma linha de base muito forte, alcançando 90,85% de Dice no MM-WHS ($64^3$) e 88,93% no WHS++.
• Ineficácia de Priors Criados Manualmente:
  • Baseados em Perda: A regularização de volume e de momentos produziu resultados essencialmente empatados com a linha de base (por exemplo, 90,85% vs. 90,84% de Dice). A função de perda de relação anatômica na verdade degradou o desempenho (88,98% de Dice).
  • Baseados em Arquitetura: Variantes guiadas por mapa de calor (2-Decoder, 2-Encoder, Cascada) permaneceram competitivas, mas não superaram a linha de base. Por exemplo, em $64^3$, o 2-Decoder alcançou 90,73% de Dice, e o modelo em cascata alcançou 90,32%. Em resolução mais alta ($128^3$), a linha de base melhorou para 92,05%, enquanto os concorrentes (2-Encoder, Cascada) igualaram-se de perto (92,02% e 92,04%), mas não a excederam.
• Observações Qualitativas: Todos os modelos, incluindo aqueles com priors, reproduziram bem a anatomia cardíaca global. As diferenças foram confinadas a limites e estruturas menores, sugerindo que a linha de base já captura regularidades anatômicas globais substanciais.

Significado e Alegações
O artigo apresenta um "resultado negativo relevante", desafiando a suposição de que restrições de forma explícitas e criadas manualmente são necessárias ou benéficas ao usar linhas de base modernas e bem treinadas de aprendizado profundo. Os autores afirmam que:

1. Aprendizado Implícito: Fortes linhas de base 3D U-Net já aprendem regularidades anatômicas implícitas substanciais diretamente dos dados de imagem, tornando os priors grosseiros criados manualmente (volumes, momentos, centroides, mapas de calor) redundantes.
2. Limitações de Priors Grosseiros: Os priors testados descrevem a anatomia apenas em um nível grosseiro e falham em capturar variabilidade cardíaca não linear complexa. Além disso, como os erros da linha de base são principalmente relacionados a limites, regularizadores estruturais globais oferecem pouco valor adicional.
3. Direção Futura: Melhorias futuras são improváveis de vir de restrições simples criadas manualmente. Em vez disso, os autores sugerem uma mudança para priors anatômicos aprendidos mais expressivos, como modelos baseados em difusão generativa ou correspondência de fluxo treinados em máscaras de segmentação, que podem representar melhor a distribuição da anatomia cardíaca plausível.

Em conclusão, o estudo demonstra que, para segmentação de TC do coração inteiro nestes conjuntos de dados, aumentar a complexidade arquitetônica ou adicionar restrições de forma simples não melhora o desempenho de forma confiável em relação a uma 3D U-Net padrão.