C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation

Resumo Técnico: C2RM-Seg

Definição do Problema
A Segmentação Semântica Fracamente Supervisionada (WSSS) é uma abordagem crítica para a análise de tecidos histopatológicos, oferecendo uma alternativa escalável ao custo elevado e à dependência de especialistas exigidos pelas anotações densas ao nível de pixel necessárias para métodos totalmente supervisionados. No entanto, os métodos atuais de WSSS baseiam-se tipicamente em Mapas de Ativação de Classe (CAM) para gerar pseudo-rótulos grosseiros. O artigo identifica uma falha fundamental nas abordagens atuais baseadas em CAM: elas tendem a focar em pistas de aparência impulsionadas pela coloração (ex: variações de cor, artefatos de scanner) em vez da verdadeira morfologia tecidual causal. Isso leva a uma "localização espúria", onde as pseudo-máscaras são sistematicamente enviesadas por contextos de confusão, resultando em baixa consistência estrutural e fidelidade de borda. Além disso, refinamentos arquiteturais padrão ou reponderação de perda frequentemente falham em resolver esses desalinhamentos causais subjacentes quando os próprios pseudo-rótulos são gerados a partir de características enviesadas.

Metodologia
Os autores propõem o C2RM-Seg, um framework de dois estágios projetado para abordar o desalinhamento causal e a inconsistência estrutural através de três componentes principais:

1. Módulo de Raciocínio Contrafactual Causal (C2RM):

   • Objetivo: Gerar pseudo-rótulos de alta fidelidade removendo efeitos de confusão das representações de características.
   • Mecanismo: O módulo opera sob um Modelo Causal Estrutural (SCM). Ele decompõe as características do codificador em fatores latentes ($Z$) que representam tanto a morfologia ($M$) quanto variáveis de estilo/aquisição de confusão ($S$).
   • Intervenção Contrafactual: Uma matriz de estrutura causal aprendível ($A$) modela as dependências entre esses fatores. O módulo estima a contribuição de confusão ($E$) dos fatores de estilo sobre a representação latente e realiza uma intervenção contrafactual ($Z^{cf} = Z - E$) para subtrair esses efeitos.
   • Resultado: Este processo suprime componentes explicáveis por fatores de estilo ou de fundo covariantes (ex: texturas de coloração) enquanto preserva sinais dominantes de morfologia, resultando em CAMs mais limpos para a geração de pseudo-máscaras.

2. Arquitetura Semântico-Estrutural de Duplo Caminho:

   • Objetivo: Preencher a lacuna entre a fidelidade morfológica local e a semântica patológica global durante a fase de treinamento da segmentação.
   • Ramo Estrutural: Utiliza um backbone ResNeT-200e para extrair características espaciais de alta resolução e múltiplas escalas que representam texturas teciduais locais.
   • Ramo Semântico: Aproveita um modelo de fundação DINOV3 (Vision Transformer) congelado para fornecer priors semânticos globais robustos. Os parâmetros do backbone são congelados para evitar o overfitting a pseudo-rótulos ruidosos, enquanto um adaptador aprendível projeta os embeddings no manifold estrutural.
   • Gating Cruzado de Caminhos (Cross-Path Gating): Um mecanismo de gating regula adaptativamente a injeção de características semânticas globais no ramo estrutural. Ele utiliza pistas estruturais locais para ponderar a contribuição semântica, garantindo que a semântica global se concentre em regiões com alta saliência estrutural, preservando assim a integridade das bordas.

3. Perda de Margem com Gate de Incerteza (UGM Loss):

   • Objetivo: Mitigar o ruído residual nos pseudo-rótulos imperfeitos durante a otimização.
   • Mecanismo: A perda equilibra dinamicamente dois objetivos baseados na incerteza da predição ($u_i$): imposição de margem (para predições confiáveis) e maximização de confiança (para regiões incertas).
   • Função: Para pixels de baixa incerteza, o modelo prioriza a expansão da margem da fronteira de decisão. Para pixels de alta incerteza (potencialmente rotulados incorretamente), ele retorna a uma penalidade conservadora baseada em confiança para evitar a penalização excessiva de amostras ambíguas.

Principais Contribuições

• Identificação do Viés Causal: O artigo identifica que os métodos baseados em CAM são enviesados para a aparência impulsionada pela coloração em vez da morfologia tecidual causal.
• Módulo C2RM: A proposta de um módulo causal contrafactual que remove explicitamente o contexto de confusão para produzir pseudo-rótulos de alta fidelidade.
• Framework de Duplo Caminho: Uma nova arquitetura de segmentação que integra ResNeST com priors de DINOV3 congelados via gating cruzado de caminhos, garantindo semântica global preservadora de bordas.
• Perda UGM: Uma função de perda consciente da incerteza que permite uma otimização tolerante ao ruído.
• Desempenho de Estado da Arte: O framework alcança resultados superiores em benchmarks públicos comparado a métodos de WSSS existentes e até mesmo modelos de fundação promptados com os pseudo-rótulos gerados.

Resultos Experimentais
Experimentos extensivos foram conduzidos em dois conjuntos de dados histopatológicos públicos: BCSS (câncer de mama) e LUAD-HistoSeg (adenocarcinoma de pulmão).

• Desempenho: O C2RM-Seg alcançou desempenho de estado da arte em ambos os datasets. No BCSS-WSSS, atingiu 72,17% de mIoU e 27,31 HD95, superando o principal competidor ESFAN. No LUAD-HistoSeg, alcançou 79,62% de mIoU e 18,07 HD95.
• Qualidade de Borda: O método demonstrou melhoria significativa na fidelidade de borda (bIoU) e redução de falsos positivos em regiões morfologicamente ambíguas comparado aos baselines.
• Eficiência: Apesar de integrar raciocínio causal e priors de modelos de fundação, o modelo mantém uma eficiência computacional competitiva (191,47 GFLOPs, 86,08 FPS).
• Estudos de Ablação: Os resultados confirmaram que cada componente (C2RM, Dual-Path, UGM) melhora independentemente o baseline, com o modelo completo produzindo os melhores resultados. Visualizações t-SNE demonstraram que o C2RM desmembra com sucesso representações enviesadas por coloração em clusters compactos e semanticamente separáveis.

Significância e Alegações
O artigo afirma que o C2RM-Seg aborda fundamentalmente o problema persistente de confusão histológica no aprendizado fracamente supervisionado. Ao formular a geração de CAM dentro de um Modelo Causal Estrutural rigoroso e executar intervenções contrafactuais, a abordagem sintetiza pseudo-máscaras que são fiéis à morfologia tecidual em vez de artefatos de coloração. Os autores afirmam que este desenviesamento causal, combinado com a fusão sinérgica de priors estruturais e de modelos de fundação, estabelece um novo estado da arte para a segmentação de tecidos histopatológicos fracamente supervisionada, oferecendo uma solução robusta e escalável para o diagnóstico auxiliado por computador sem a necessidade de anotações densas.