ARMA-C3: A Contrastive ARMA Convolutional Framework for Unsupervised and Semi-supervised Classification

Resumo Técnico de ARMA-C3: Um Framework Convolutional ARMA Contrastivo

Declaração do Problema

A identificação precisa e precoce de transtornos neurodegenerativos e médicos permanece desafiadora devido à escassez de dados rotulados, à complexidade dos padrões de imagem e a modalidades de alta dimensão e ruidosas (por exemplo, ressonância magnética de difusão, ultrassom, raio-X). Abordagens tradicionais de aprendizado de máquina frequentemente tratam sujeitos ou imagens como instâncias independentes, ignorando informações relacionais cruciais e estruturas ao nível do sujeito que podem indicar a progressão da doença. Além disso, os métodos existentes de Redes Neurais em Grafos (GNN) em configurações biomédicas dependem predominantemente de aprendizado supervisionado, exigindo grandes quantidades de dados rotulados e caros, ou falham em explorar totalmente as estruturas subjacentes dos dados em regimes não supervisionados e semissupervisionados. Métodos baseados em grafos atuais frequentemente lutam para preservar simultaneamente estruturas de coorte ao nível da comunidade e impor representações de sujeitos invariantes a aumentações sob construção de grafos ruidosos.

Metodologia

Os autores propõem o ARMA-C3, um framework unificado de aprendizado em grafos não supervisionado e semissupervisionado projetado para classificação de nós. O framework integra três componentes principais: aprendizado contrastivo, Convolução ARMA (Média Móvel Auto-Regressiva) e regularização por Graph-Cut.

1. Construção e Pré-processamento de Grafos:

   • Extração de Características: Para conjuntos de dados de ressonância magnética de difusão (dMRI) (ADNI, NIFD), o método extrai mapas de Anisotropia Fracionária (FA), registra-os em um atlas de substância branca e constrói descritores baseados em histograma a partir de Regiões de Interesse (ROIs) predefinidas e neuroanatomicamente relevantes. Para conjuntos de dados baseados em imagens (BreastMNIST, PneumoniaMNIST, Ultrassom Hepático), as características são extraídas usando backbones pré-treinados congelados (ViT-DINO para ultrassom, ResNet-18 para raio-X) para evitar sobreajuste em regimes de poucos dados.
   • Formação do Grafo: Os sujeitos são modelados como nós. Um grafo ao nível do sujeito é construído onde as arestas representam a similaridade inter-sujeito, calculada via similaridade de cosseno dos vetores de características. Um limiar $\alpha$ é aplicado para esparsificar a matriz de adjacência, atuando como um mecanismo implícito de remoção de ruído.

2. Componentes Arquiteturais:

   • Convolução ARMA: O framework emprega redes convolucionais em grafos baseadas em ARMA. Diferentemente das GCNs padrão, as camadas ARMA utilizam pilhas de filtros recursivos para aproximar convoluções espectrais em grafos. Isso permite respostas de frequência flexíveis, controle aprimorado sobre o "oversquashing" através do refinamento iterativo de mensagens e a captura de dependências de grafos tanto locais quanto de longo alcance.
   • Regularização Estrutural (Graph-Cut/Modularidade): Para evitar a mistura de características e o "oversmoothing" (onde embeddings de diferentes clusters se fundem), o modelo incorpora a maximização da modularidade. Isso impõe restrições explícitas nas atribuições de clusters suaves, incentivando conexões fortes dentro de comunidades e conexões fracas entre elas. Um regularizador de balanceamento previne o colapso de todos os nós em um único cluster.
   • Aprendizado Contrastivo (MERIT): O framework adota a abordagem da Rede Siamesa Contrastiva Multi-escala (MERIT). Ela impõe consistência através de múltiplas visões aumentadas do mesmo grafo usando um paradigma professor-aluno (com um professor de Média Móvel Exponencial). Isso garante que as representações aprendidas sejam invariantes a ruído de características local e perturbações estruturais globais.

3. Objetivo de Otimização:
   O modelo é treinado otimizando conjuntamente uma perda de regularização estrutural ($L_{struct}$) e uma perda contrastiva ($L_{con}$). Em configurações semissupervisionadas, uma perda de entropia cruzada supervisionada ($L_{sup}$) é adicionada para nós rotulados. O objetivo total é:
   $$L = L_{struct} + \lambda_{con} L_{con} \quad (\text{não supervisionado})$$
   $$L_{total} = \lambda_{con} L_{con} + L_{sup} + \lambda_{struct} L_{struct} \quad (\text{semisupervisionado})$$

Contribuições Principais

1. Framework Unificado: O artigo introduz uma formulação conjunta novel que otimiza simultaneamente a regularização estrutural baseada em modularidade e a consistência contrastiva multi-visão dentro de um único objetivo. Esse acoplamento é reivindicado como único no contexto de aprendizado em grafos de populações biomédicas, abordando a lacuna onde métodos anteriores tratavam esses componentes independentemente.
2. Agrupamento Não Supervisionado Robusto: O framework realiza agrupamento de nós totalmente não supervisionado sem depender de rótulos diagnósticos. Ele descobre grupos de sujeitos estáveis, permitindo classificação robusta de doenças em cenários do mundo real caracterizados por escassez de rótulos e desequilíbrio de classe severo.
3. Generalização Cross-Modal: O método demonstra forte adaptabilidade através de modalidades biomédicas fundamentalmente diferentes, incluindo ressonância magnética de difusão (neuroimagem), ultrassom de mama, ultrassom hepático e raio-X de tórax.
4. Engenharia de Características Clínicas: Para dados de dMRI, os autores constroem uma representação compacta usando ROIs informadas clinicamente (por exemplo, corpo caloso, fórnix) e distribuições de FA baseadas em histograma, preservando informações microestruturais sensíveis à doença.

Resultados Experimentais

O framework foi avaliado em cinco conjuntos de dados: ADNI (CN vs. MCI, CN vs. AD), NIFD (Demência Frontotemporal), BreastMNIST, PneumoniaMNIST e um conjunto de dados de Ultrassom Hepático.

• Desempenho Não Supervisionado: O ARMA-C3 alcançou desempenho competitivo ou superior comparado a técnicas de agrupamento clássicas (K-Means, SpectralNet), agrupamento em grafos de última geração (MAGI, TokenCut) e backbones padrão de GNN (GCN, GAT). Notavelmente, alcançou melhorias estatisticamente significativas sobre o MAGI em todos os conjuntos de dados (por exemplo, pontuação F1 de 0,786 vs. 0,778 em CN vs. MCI; 0,841 vs. 0,790 em BreastMNIST).
• Desempenho Semissupervisionado: Usando apenas 10% de dados rotulados, o ARMA-C3 consistentemente superou classificadores tradicionais (SVC, Random Forest) e outros métodos semissupervisionados baseados em grafos (APPNP, JacobiConv). Manteve trade-offs equilibrados entre precisão e recall, o que é crítico para triagem de doenças onde falsos negativos são custosos.
• Estudos de Ablação: Experimentos confirmaram que:
  • Uma resolução de bins de histograma mais fina (20 bins) é crucial para distinguir diferenças microestruturais sutis em estágios iniciais da doença.
  • A escolha do backbone de características importa (ViT-DINO superou o ResNet-18 em ultrassom, enquanto o ResNet-18 foi ligeiramente melhor em raio-X).
  • Limiares moderados de esparsificação de grafos ($\alpha$) e pesos de perda contrastiva ($\lambda_{con}$) produzem o melhor equilíbrio entre preservação estrutural e supressão de ruído.
  • Os embeddings aprendidos preservam a geometria intrínseca dos dados mesmo sob redução agressiva de dimensionalidade (PCA), ao contrário de características brutas.

Significado e Reivindicações

O artigo reivindica que o ARMA-C3 oferece um framework unificado e clinicamente relevante para análise de dados biomédicos, particularmente em cenários onde a anotação é cara ou os dados estão desequilibrados. Ao modelar relações inter-sujeito e alavancar filtragem espectral com consistência contrastiva, o método aprende representações estáveis, bem separadas e robustas.

Os autores posicionam o ARMA-C3 como uma ferramenta de pré-triagem eficiente em rótulos para pipelines clínicos (por exemplo, estudos de coorte de dMRI, triagem por ultrassom). Visa reduzir o ônus da anotação manual enquanto mantém a separação de subgrupos clinicamente significativos. A capacidade do framework de generalizar através de modalidades de imagem heterogêneas sugere seu potencial como uma ferramenta versátil para diversas tarefas de imagem biomédica, superando as limitações de abordagens específicas de modalidade ou puramente supervisionadas.

Limitações Reconhecidas: Os autores notam que o framework é sensível aos hiperparâmetros de construção do grafo (especificamente o limiar de esparsificação $\alpha$), requer ajuste específico do conjunto de dados e atualmente emprega uma estratégia de construção de grafo transduzivo estática que necessita de reconstrução quando novos sujeitos são introduzidos. Trabalhos futuros estão planejados para abordar modelagem multi-classe e aprendizado de grafo indutivo.