Intra-YOLO: A Small Object Detection Model for Caries and Molar-Incisor Hypomineralization in Intraoral Photography Based on Transfer Learning with Reinforcement Learning

Resumo Técnico: Intra-YOLO para Detecção de Pequenos Objetos em Fotografias Intraorais

Declaração do Problema
O artigo aborda o desafio clínico de diferenciar entre cáries dentárias e Hipomineralização Molar-Incisor (HMI) utilizando fotografia intraoral. Embora ambas as condições se apresentem de forma semelhante, suas etiologias e tratamentos diferem significativamente; a HMI é um defeito do desenvolvimento, enquanto a cárie resulta da desmineralização bacteriana. O diagnóstico preciso é dificultado pelo pequeno tamanho das lesões (mais de 78% das lesões anotadas ocupam menos de 0,58% da área da imagem), pela variabilidade nas condições de imagem (por exemplo, contaminação por saliva, iluminação) e pela natureza subjetiva dos exames visuais realizados por clínicos. Pesquisas existentes focaram-se amplamente em imagens radiográficas ou na classificação de dentes individuais, deixando uma lacuna em sistemas automatizados de detecção de boca inteira capazes de lidar com lesões pequenas e de escala variável em ambientes intraorais complexos.

Metodologia
Os autores propõem o Intra-YOLO, um framework de aprendizado profundo otimizado para detecção de pequenos objetos, construído sobre a arquitetura YOLOX. A metodologia integra várias técnicas avançadas:

1. Paradigma Professor-Aluno com Aprendizado por Transferência:

   • Modelo Professor (S-YOLO): Treinado em patches de imagens recortadas de alta resolução (640×640 pixels) para maximizar a extração de características de pequenas lesões. Este modelo incorpora:
     • Mecanismos de Atenção SSM (Modelagem de Espaço de Estado): Para suprimir ruído e interferência de fundo.
     • S-PAFPN (Rede de Pirâmide de Características Aprimorada): Combina detalhes de alta resolução de mapas de características grandes com informações semânticas das camadas iniciais do backbone para preservar características de alta granularidade.
     • Inferência Fatia (Sliced Inference): Aplicada para lidar eficazmente com o pequeno tamanho das lesões.
   • Modelo Aluno: Treinado em imagens intraorais de tamanho completo para integrar características localizadas e globais.

2. Aprendizado por Reforço (RL) para Distilação de Conhecimento:

   • Em vez de distilação estática, o framework emprega um agente de RL (usando Otimização de Política Proximal, PPO) para decidir dinamicamente quais caixas delimitadoras previstas pelo professor devem ser usadas como pseudo-rótulos para o aluno.
   • A decisão do agente baseia-se em uma função de recompensa que considera o tamanho da lesão, a pontuação de confiança do professor e a incerteza de previsão do aluno (medida pela perda de entropia). Isso garante que o aluno se concentre em casos de aprendizado de "alto valor", particularmente para lesões pequenas e de tamanho variável.

3. Processamento de Dados:

   • O estudo utilizou um conjunto de dados clínico de 822 imagens intraorais do Hospital Municipal Wanfang de Taipei, contendo 3.583 anotações de cárie e 4.443 de HMI.
   • O conjunto de treinamento foi aumentado ao recortar imagens em patches, resultando em 6.417 imagens recortadas com mais de 12.000 caixas delimitadoras para mitigar o desequilíbrio de fundo e aumentar as amostras de treinamento válidas.

Principais Contribuições

• Framework Intra-YOLO: Uma arquitetura novel especificamente projetada para a detecção dupla de cáries e HMI em fotografia intraoral, abordando o desafio específico de tamanhos de lesão extremamente pequenos.
• Distilação Consciente de Escala: A integração de aprendizado por reforço no processo de distilação de conhecimento permite a seleção adaptativa de amostras de treinamento, melhorando a capacidade do modelo de aprender de alvos difíceis e de pequena escala sem introduzir supervisão ruidosa.
• Fusão de Características Aprimorada: O desenvolvimento do módulo S-PAFPN e a aplicação de mecanismos de atenção SSM especificamente adaptados para imagens intraorais para aprimorar a fusão de características multiescala e a supressão de ruído.

Resultados
O modelo foi avaliado em um conjunto de dados clínico retido usando Precisão Média (mAP) e mAP50 (em IoU 0,5).

• Desempenho: O Intra-YOLO alcançou um mAP de 23,1% e um mAP50 de 47,8%.
• Comparações:
  • Superou o S-YOLO de base (sem distilação por RL), que alcançou 22,0% de mAP e 44,2% de mAP50.
  • Superou significativamente outros modelos de ponta a ponta, incluindo detectores de duas etapas (Faster R-CNN, DETR, DAB-DETR) que variaram de 12,4% a 16,7% de mAP, e detectores de uma etapa como YOLOv5 e YOLOX padrão com inferência fatiada (19,7% de mAP).
  • Ablação: Experimentos confirmaram que a estratégia de distilação adaptativa baseada em PPO produziu os melhores resultados em comparação com estratégias de limiar estático, com melhorias específicas na detecção de pequenos objetos (mAPs atingindo 18,3%).

Significado e Alegações
O artigo afirma que o Intra-YOLO fornece um sistema de diagnóstico auxiliado por computador (CAD) capaz de detectar cáries e HMI em fotografias intraorais de forma precisa e eficiente. Os autores postulam que este sistema pode:

• Reduzir a variabilidade diagnóstica e a subjetividade entre os clínicos.
• Apoiar o planejamento de tratamento oportuno e baseado em evidências, fornecendo referências objetivas para localização e classificação de lesões.
• Facilitar a tomada de decisão clínica mais precoce.

Os autores mantêm um tom modesto, reconhecendo que, embora os resultados sejam promissores, é necessária validação adicional em conjuntos de dados maiores e mais diversos antes que o sistema possa ser totalmente integrado na prática odontológica de rotina. Eles enfatizam que o sistema foi projetado para apoiar os clínicos, e não para substituí-los, visando especificamente a redução de diagnósticos errôneos entre lesões visualmente semelhantes.