Resumo Técnico: Rede Multi-Especialista com Atenção entre Estágios para Diagnóstico de Ultrassonografia Mamária Inspirado em Radiologistas

1. Declaração do Problema

A ultrassonografia mamária é uma ferramenta não invasiva crítica para o diagnóstico precoce do câncer de mama, contudo, a classificação automática benigna/maligna enfrenta obstáculos significativos. Os principais desafios incluem:

• Heterogeneidade do Tumor e Bordas Difusas: As lesões frequentemente exibem margens indistintas e texturas internas complexas, tornando a extração de características difícil para modelos padrão.
• Desequilíbrio de Dados: Conjuntos de dados frequentemente sofrem com desequilíbrio de classes, complicando o treinamento de classificadores robustos.
• Desconexão com a Lógica Clínica: Abordagens existentes de aprendizado profundo frequentemente dependem de entradas de imagem inteira de ramo único que falham em minerar completamente informações discriminativas da lesão. Por outro lado, métodos que dependem de recorte manual de região de interesse (ROI) introduzem fluxos de trabalho trabalhosos e resultados inconsistentes.
• Limitações das Arquiteturas Atuais: Redes Neurais Convolucionais (CNNs) tradicionais frequentemente lutam com lesões pequenas ou mal definidas (precisão <70% em alguns casos). Além disso, implementações existentes de Mistura de Especialistas (MoE) tipicamente dividem especialistas por tipos de características abstratos em vez de regiões anatômicas, limitando a interpretabilidade. Adicionalmente, mecanismos de atenção padrão (ex: SE-Net) operam dentro de camadas únicas, falhando em capturar interações dinâmicas através de estágios hierárquicos de características.

2. Metodologia

O artigo propõe a Rede Multi-Especialista com Atenção entre Estágios (CSA-MoE-Net), um modelo projetado para alinhar-se ao fluxo de trabalho de diagnóstico clínico de radiologistas ("Imagem do Tumor Inteiro – Núcleo do Tumor – Análise de Borda").

A. Pré-processamento de Dados e Geração de Multi-Visões

Em vez de recorte manual, o modelo gera três visões de entrada distintas a partir de uma única imagem de ultrassom e sua máscara de lesão correspondente:

1. Imagem do Tumor Inteiro (Especialista-Img): A imagem original redimensionada para 224×224, fornecendo contexto global.
2. Núcleo do Tumor (Especialista-Tumor): Gerado aplicando erosão morfológica à máscara para isolar o corpo sólido da lesão, focando em textura interna e características de eco.
3. Borda (Especialista-Borda): Gerada por operações de dilatação morfológica e diferença de conjuntos para extrair uma faixa estreita contendo informações de contorno, espícula e margem.

B. Backbone: ResNet-18 com Atenção entre Estágios

O modelo utiliza uma ResNet-18 modificada como backbone para todos os três ramos de especialistas. Uma inovação chave é o Módulo de Atenção entre Estágios, que aborda a limitação da atenção de camada única:

• Mecanismo: Estabelece conexões dinâmicas através dos quatro estágios residuais da ResNet-18.
• Processo: Características de todos os quatro estágios são agregadas e mapeadas para uma dimensão unificada. Um vetor de consulta aprendível calcula similaridade com vetores-chave por estágio para gerar pesos de atenção ($\alpha_k$).
• Recalibração: Esses pesos são usados para recalibrar o mapa de características do estágio final via multiplicação por canal, aprimorando canais informativos e suprimindo redundância. Isso permite que o modelo fusione dinamicamente detalhes superficiais (bordas) com semânticas profundas.

C. Bloco de Mistura de Especialistas (MoE)

A arquitetura emprega uma estrutura MoE de três ramos onde cada ramo (Especialista-Img, Especialista-Tumor, Especialista-Borda) extrai características independentemente usando o backbone ResNet-18 com Atenção entre Estágios.

• Rede de Portão Adaptativa: Um MLP de duas camadas recebe as saídas concatenadas dos três especialistas ($F_{concat}$) e calcula pesos dinâmicos ($w_1, w_2, w_3$) via função Softmax.
• Fusão: A Característica de Especialista Fundida (FEF) final é uma soma ponderada das saídas dos três ramos. Este mecanismo imita a capacidade dos radiologistas de priorizar flexivelmente diferentes aspectos da lesão (ex: enfatizar irregularidades de borda para casos malignos) com base nas características de entrada.

D. Classificação

O vetor de características fundido de 512 dimensões é passado através de uma camada totalmente conectada com ativação Sigmoid para classificação binária (Benigno vs. Maligno).

3. Contribuições Principais

1. Arquitetura Alinhada Clinicamente: O modelo estrutura explicitamente seu processo de tomada de decisão para espelhar a lógica do radiologista, separando a análise em visões de Imagem Inteira, Núcleo e Borda, em vez de depender de tipos de características abstratos.
2. Mecanismo de Atenção entre Estágios: Diferente da atenção de canal tradicional, este módulo avalia dinamicamente a importância das características através de diferentes estágios da rede, melhorando a localização de bordas difusas e lesões pequenas.
3. Fusão de Portão Adaptativo: A rede de portão aloca dinamicamente o foco computacional entre especialistas, permitindo que o modelo se adapte a características específicas da lesão (ex: aumentar o peso de características de borda para margens irregulares).
4. Independência do Backbone: Os módulos propostos (Atenção entre Estágios e MoE) são projetados como componentes plug-and-play, demonstrados como eficazes quando integrados em VGG-16 e DenseNet-121, não apenas em ResNet-18.

4. Resultados Experimentais

Experimentos foram conduzidos em um conjunto de dados balanceado de 2.129 imagens de ultrassom mamário (1.108 benignas, 1.021 malignas). O modelo foi avaliado em 20 execuções independentes para garantir estabilidade.

Desempenho da CSA-MoE-Net (backbone ResNet-18):

• Precisão: 96,33% (±0,70)
• Precisão (Precision): 94,09% (±1,20)
• Revocação (Recall): 98,53% (±0,70)
• F1-Score: 96,25% (±0,70)
• AUC: 99,50% (±0,10)

Análise Comparativa:

• vs. ResNet-18 de Linha de Base: A CSA-MoE-Net melhorou a precisão em 3,01%, a revocação em 5,37% e a AUC em 5,42%.
• Estudos de Ablação:
  • Remover a Atenção entre Estágios (ResNet-MoE) causou uma queda significativa na Revocação (de 98,53% para 94,94%) e na AUC, confirmando seu papel no aprimoramento da sensibilidade de localização de lesões.
  • Remover o ramo Especialista-Borda resultou na degradação de desempenho mais significativa entre os ramos ablatados, validando a importância clínica das características de borda (espícula/irregularidade) para detecção de malignidade.
• Generalização: Quando aplicado a VGG-16 e DenseNet-121, os módulos melhoraram consistentemente o desempenho, com todas as configurações alcançando >95% de precisão e >99% de AUC.

5. Significado e Alegações

O artigo alega que a CSA-MoE-Net fornece um sistema de suporte confiável para diagnóstico assistido por computador ao abordar a natureza de "caixa preta" do aprendizado profundo através do alinhamento estrutural com o raciocínio clínico.

• Utilidade Clínica: A alta revocação do modelo (98,53%) é destacada como crítica para rastreamento de câncer de mama, onde o custo de diagnósticos perdidos (falsos negativos) supera amplamente o de falsos positivos. Os autores estimam que, comparado a uma ResNet-18 de linha de base, o modelo proposto poderia salvar significativamente mais vidas em uma coorte de rastreamento ao reduzir casos malignos perdidos.
• Interpretabilidade: Ao visualizar pesos de portão e contribuições de especialistas, o modelo oferece raciocínio transparente, potencialmente reduzindo a barreira para adoção clínica.
• Eficiência: O módulo de Atenção entre Estágios adiciona sobrecarga computacional mínima (aumento de parâmetros de aprox. 2–3%) enquanto entrega ganhos substanciais de desempenho.
• Limitações: Os autores reconhecem que o estudo é baseado em um conjunto de dados retrospectivo de um único centro e depende de anotações de máscara manual, o que pode afetar a generalização e os custos de implantação. Eles também observam que a própria rede de portão permanece uma "caixa preta" em relação à lógica de decisão interna de especialistas individuais.

Em conclusão, o artigo apresenta a CSA-MoE-Net como uma solução robusta, interpretável e de alto desempenho que preenche a lacuna entre as capacidades de aprendizado profundo e fluxos de trabalho de diagnóstico clínico para ultrassonografia mamária.