Understanding Model Behavior in Monocular Polyp Sizing

Resumo Técnico: Compreendendo o Comportamento do Modelo no Dimensionamento de Pólipos Monocular

Formulação do Problema
A estratificação precisa do tamanho dos pólipos colorretais é crítica para decisões de vigilância clínica, especificamente na distinção entre pólipos diminutos (≤5 mm) e aqueles que exigem acompanhamento mais próximo (>5 mm). No entanto, a colonoscopia monoculular sofre de ambiguidade geométrica de escala inerente: sob um modelo de câmera de orifício, o diâmetro aparente ($A$) de um pólipo é uma função de seu diâmetro verdadeiro ($S$) e da distância da câmera ($Z$) ($A = fS/Z$). Sem uma referência métrica, um pólipo pequeno visto de perto é visualmente indistinguível de um pólipo grande visto à distância.

Essa ambiguidade é agravada pelo comportamento do exame clínico. Os endoscopistas movem naturalmente a câmera mais perto de pólipos diminutos para confirmar seu status, enquanto visualizam lesões maiores a partir de um campo de visão mais amplo. Esse comportamento cria uma correlação espúria entre a escala aparente e o rótulo de tamanho em dados de treinamento naturalísticos. Consequentemente, modelos automatizados podem depender de "atalhos" — pistas correlacionadas ao comportamento de exame, em vez de raciocínio geométrico verdadeiro — levando a erros sistemáticos quando as condições de implantação diferem das distribuições de treinamento.

Metodologia e Configuração Experimental
Os autores apresentam uma auditoria diagnóstica da classificação binária de tamanho de pólipos (≤5 mm vs. >5 mm) em dois conjuntos de dados públicos e multicêntricos: Real-Colon e SUN-SEG. O conjunto de dados combinado contém 232 pólipos únicos (147 ≤5 mm, 85 >5 mm) de 159 pacientes. Para evitar vazamento de dados, os experimentos utilizam validação cruzada de 5 dobras estratificada por paciente.

O estudo avalia três modalidades de entrada distintas e famílias de modelos para isolar as contribuições da arquitetura versus os dados:

1. Aparência: Um ResNet18 e um ViT-B operando em imagens RGB mascaradas.
2. Profundidade Relativa: Uma CNN de três blocos (CNN3) operando em mapas de profundidade relativa gerados pelo PPSNet.
3. Fotometria/Geometria: Um MLP de duas camadas usando 51 recursos geométricos e fotométricos artesanais.

Para diagnosticar as limitações dos modelos atuais, os autores introduzem três intervenções direcionadas:

• Auditoria de Viés Dados-Modelo: Comparação de desempenho entre modalidades e arquiteturas para identificar pontos de convergência.
• Escada de Escala Métrica: Aplicação de correções de escala "oráculo" em várias granularidades (por quadro, por pólipo e global) a mapas de profundidade relativa. Isso quantifica o ganho de desempenho teórico se uma escala métrica perfeita estivesse disponível. Eles também testam estimadores de profundidade métrica prontos para uso (MetricCol) e fatores de calibração global.
• Robustez à Qualidade da Máscara: Substituição de caixas delimitadoras de verdade absoluta por previsões de um modelo de segmentação (PolypPVT) e aplicação de perturbações nas caixas delimitadoras (±20%) para avaliar como erros de segmentação se propagam para tarefas de dimensionamento.

Principais Resultados

1. Platô de Desempenho e Dependência de Atalhos: Em todas as arquiteturas e modalidades de entrada (RGB, profundidade relativa, fotometria), os modelos convergem para um teto de desempenho semelhante com uma pontuação Macro-F1 de aproximadamente 0,75. A análise diagnóstica dos recursos do MLP revela que os modelos dependem fortemente do "tamanho aparente" (a razão entre a área da caixa delimitadora e a área da imagem), o que confunde a escala verdadeira com a distância. Isso sugere que o platô é impulsionado pela falta de informações métricas e pela dependência de pistas de comportamento de exame, em vez de capacidade insuficiente do modelo.
2. Ganhos Limitados da Estimativa de Profundidade Atual: Fornecer informações de escala por quadro "oráculo" resulta em um aumento significativo de desempenho (+16,1 pontos percentuais, de 0,725 para 0,886), indicando que há uma margem substancial se a ambiguidade de escala for resolvida. No entanto, os estimadores de profundidade métrica atuais (MetricCol) e métodos de calibração global falham em recuperar esse ganho em dados clínicos, mostrando melhoria negligenciável sobre as linhas de base de profundidade relativa. O ganho oráculo concentra-se em quadros "inconsistentes com atalhos", onde o tamanho aparente contradiz o tamanho físico verdadeiro, confirmando que a ambiguidade de escala é o modo de falha primário nesses casos.
3. Segmentação como um Gargalo Independente: A qualidade da segmentação atua como um gargalo crítico e independente. Quando as máscaras de verdade absoluta são substituídas por previsões de um modelo de segmentação treinado em dados diferentes, o desempenho do modelo de dimensionamento baseado em profundidade cai 15,3 pontos percentuais (de 0,725 para 0,572). Mesmo com escala por quadro oráculo, o uso de máscaras previstas recupera o desempenho apenas ao nível da linha de base sem escala (0,736). Isso demonstra que benchmarks de segmentação no domínio não preveem a robustez de dimensionamento a jusante sob mudança de distribuição.
4. Limitações da Fotometria: Tentativas de usar pistas fotométricas (luminosidade de fundo) como proxy para distância falharam, recuperando apenas 17% da margem de escala oráculo. Isso é atribuído ao Controle de Exposição Automática em endoscópios clínicos, que ajusta o ganho do sensor para manter o brilho estável, quebrando a relação da lei do inverso do quadrado entre brilho e distância.

Significado e Contribuições
O artigo argumenta que o progresso no dimensionamento de pólipos monoculares é atualmente limitado por três fatores independentes: a falta de escala métrica precisa por quadro, a fragilidade das máscaras de segmentação sob mudança de domínio e a escassez de conjuntos de dados multicêntricos em grande escala com anotações de tamanho confiáveis.

Os autores afirmam que seu trabalho fornece uma estrutura diagnóstica para pesquisas futuras, oferecendo ferramentas de avaliação reutilizáveis, como:

• Escadas de Escala Oráculo: Para quantificar o limite superior teórico de desempenho dada uma informação de escala perfeita.
• Partições de Atalho: Para isolar e analisar casos onde o comportamento de exame cria pistas enganosas.
• Substituição de Máscara: Para auditar a robustez de pipelines de dimensionamento a erros de segmentação.

O estudo conclui que, embora os modelos atuais performem adequadamente quando o tamanho aparente se alinha ao tamanho verdadeiro, eles degradam-se significativamente quando o comportamento clínico cria contradições. Avanços futuros dependerão provavelmente de referências de escala fundamentadas clinicamente (por exemplo, âncoras baseadas em instrumentos), melhoria na robustez da segmentação e aumento da diversidade de dados, em vez de simplesmente escalar a capacidade do modelo. O código e as ferramentas estão disponíveis publicamente para facilitar auditorias adicionais de pipelines de dimensionamento de pólipos.