💻 computer science

Intracranial Aneurysm Classification and Segmentation via Tri-Axial ROI and Multi-Task Learning

Este artigo apresenta um framework de aprendizado multitarefa combinando a extração de ROI triaxial 2D com uma espinha dorsal 3D nnU-Net para classificar, segmentar e localizar simultaneamente aneurismas intracranianos em 13 locais anatômicos e quatro modalidades de imagem, alcançando o 2º lugar no desafio RSNA 2025.

Autores originais: Pengcheng Shi, Kaiyuan Yang, Houjing Huang, Jiawei Chen, Yan Lu, Jiaqi Liu, Murong Xu, Bjoern Menze, Xinglin Zhang

Publicado 2026-06-26

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Pengcheng Shi, Kaiyuan Yang, Houjing Huang, Jiawei Chen, Yan Lu, Jiaqi Liu, Murong Xu, Bjoern Menze, Xinglin Zhang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que os vasos sanguíneos do seu cérebro sejam como uma rede complexa de rodovias. Às vezes, um ponto fraco na parede de uma rodovia estufa, formando uma bolha perigosa chamada aneurisma. Se essa bolha estourar, é uma emergência médica. Os médicos precisam saber duas coisas para decidir como consertá-la: onde a bolha está exatamente e qual é o formato que ela possui.

Até agora, programas de computador podiam apenas dizer: "Sim, há uma bolha aqui" ou "Não, não há uma bolha". Eles não conseguiam dizer qual seção específica da rodovia a bolha estava, ou desenhar um mapa detalhado da bolha em si versus a estrada ao redor.

Este artigo apresenta um novo sistema de computador que atua como um detetive multitarefa superinteligente. Veja como ele funciona, dividido em etapas simples:

1. A Estratégia do "Olhar Rápido" (Estágio 1)

Imagine que você tem um enorme bloco de queijo 3D (o exame do cérebro) e precisa encontrar uma migalha minúscula dentro dele. O método antigo era fatiar todo o bloco em pedaços finos e olhar cada um deles. Isso leva uma eternidade.

O novo método dos autores é como dar uma olhada rápida em apenas três fatias específicas: uma do topo, uma da lateral e uma da frente.

O Truque: Eles usam uma câmera 2D para olhar essas três fatias.
O Resultado: Ao combinar o que vê dessas três perspectivas, o computador consegue desenhar instantaneamente uma caixa 3D ao redor da área onde a bolha pode estar.
O Benefício: Isso é 12,7 vezes mais rápido do que olhar o bloco inteiro fatia por fatia. Ele dá um zoom no "bairro" sem perder tempo com as partes vazias do cérebro.

2. O Cérebro de "Duas Cabeças" (Estágio 2)

Uma vez que o computador dá zoom nesse bairro específico, ele usa um poderoso cérebro 3D (baseado em um modelo de IA famoso chamado nnU-Net) para realizar três tarefas ao mesmo vez:

Classificar: Existe uma bolha?
Localizar: Em qual das 13 seções específicas de rodovia ela está? (ex: "Lado esquerdo, artéria frontal").
Mapear: Desenhar um contorno preciso da bolha e da rodovia à qual ela está conectada.

O Problema do "Decodificador Gêmeo":
Existe um grande problema neste trabalho: os vasos sanguíneos são enormes, mas o aneurisma (a bolha) é minúsculo. Se você pedir para um computador aprender ambos ao mesmo tempo, ele fica preguiçoso e ignora a pequena bolha porque os grandes vasos são muito mais fáceis de ver.

A Solução: Os autores construíram um sistema de "decodificador gêmeo".

Decodificador A foca em encontrar os grandes vasos e um "blob" (mancha) que representa qualquer bolha.
Decodificador B foca em combinar vasos específicos com seus locais de bolha específicos.
A Magia: Ao dividir o trabalho, o computador não fica sobrecarregado. Ele trata a pequena bolha como um convidado VIP, dando a ela atenção especial para que não se perca na multidão de grandes vasos.

3. Lidando com Diferentes "Câmeras"

O sistema precisa funcionar com quatro tipos diferentes de exames médicos (CTA, MRA, T2, T1-post). Pense nisso como quatro tipos diferentes de lentes de câmera que tiram fotos da mesma cena, mas com iluminação e cores diferentes.

O sistema inclui um "tradutor" especial que aprende a reconhecer qual câmera foi usada e ajusta seu entendimento de acordo, para que funcione perfeitamente independentemente do tipo de exame que veja.

4. Os Resultados

Velocidade: Devido à estratégia do "Olhar Rápido", o sistema é incrivelmente veloz.
Precisão: Em uma grande competição (RSNA 2025), este sistema ficou em 2º lugar.
Detalhe: É o primeiro sistema a conseguir realizar as três coisas ao mesmo tempo: dizer "Sim/Não", nomear a localização exata e desenhar o mapa detalhado tanto do vaso quanto da bolha.

O Que Eles Não Reivindicaram

Os autores são muito honestos sobre o que não fizeram:

Eles não testaram isso em pacientes reais em um hospital para ver se salva vidas (ainda).
Eles não criaram mapas de "verdade fundamental" (ground truth) perfeitos para as bolhas. Como os dados da competição forneceram apenas o ponto central da bolha (como um pino em um mapa), eles tiveram que usar um jogo de adivinhação inteligente (chamado "aprendizado ativo") para desenhar a forma completa da bolha. Eles verificaram e corrigiram manualmente essas suposições, mas admitem que os formatos das bolhas ainda são uma estimativa, não um fato médico perfeito.

A Conclusão

Os autores construíram uma ferramenta rápida e inteligente que pode dar zoom em exames cerebrais, encontrar aneurismas minúsculos, dizer exatamente onde eles estão no "mapa de rodovias" do cérebro e desenhá-los, tudo isso enquanto lida com diferentes tipos de imagens médicas. Eles disponibilizaram o código e a ferramenta para que outros possam usar e melhorar.

Resumo Técnico: Classificação e Segmentação de Aneurisma Intracraniano via ROI Triaxial e Aprendizado Multitarefa

Definição do Problema
Aneurismas intracranianos são frequentemente assintomáticos até o rompimento, um evento que acarreta alta mortalidade. A avaliação de risco e o planejamento de tratamento eficazes exigem conhecimento preciso tanto da morfologia do aneurisma quanto da localização anatômica. No entanto, os métodos automatizados existentes limitam-se a saídas binárias (presença/ausência, máscaras binárias) e falham em fornecer classificação anatômica refinada ou segmentação multiclasse. Além disso, a heterogeneidade das modalidades de imagem (CTA, MRA, T2, T1-post) apresenta desafios em relação aos mecanismos de contraste, espaçamentos de voxels e campos de visão. Os métodos atuais de extração de Região de Interesse (ROI) frequentemente dependem de pré-processamento específico para cada modalidade ou de inferência por janela deslizante 3D computacionalmente dispendiosa, o que limita a escalabilidade.

Metodologia
Os autores propõem um framework de dois estágios projetado para realizar classificação multilabel, segmentação de aneurisma multiclasse e segmentação de vasos multiclasse em 13 localizações anatômicas e quatro modalidades de imagem.

Estágio 1: Extração de ROI Triaxial 2D
Para evitar o custo computacional da inferência 3D completa, os autores introduzem uma abordagem triaxial 2D rápida. Para um volume de entrada, o sistema extrai três fatias por eixo ortogonal (axial, sagital, coronal) nas posições {1/4, 1/2, 3/4}, totalizando até nove fatias. Essas fatias são processadas por um modelo de segmentação binária nnU-Net 2D padrão. As máscaras 2D resultantes restringem as dimensões espaciais (ex: fatias axiais restringem $y$ e $x$ ). A caixa delimitadora (bounding box) 3D é derivada pela média das coordenadas das predições não vazias através dos eixos. Este método reduz a inferência para nove predições de fatias por volume, alcançando uma aceleração de 12,7× em comparação com a inferência de janela deslizante 3D, enquanto abrange consistentemente o Polígono de Willis e os segmentos arteriais proximais.
Estágio 2: Aprendizado Multitarefa 3D com Decodificadores Duplos
Os volumes de ROI recortados são redimensionados para $224 \times 224 \times 224$ e processados por uma rede multitarefa 3D baseada em nnU-Net.
- Design de Decodificador Duplo: Para lidar com o desequilíbrio extremo de volume onde os voxels de aneurisma são 2 a 3 ordens de magnitude menores que os voxels de vasos, a rede emprega dois decodificadores em vez de um único decodificador de 26 classes.
  - Decodificador 1: Saída de 14 canais, separando 13 classes de anatomia vascular de uma única classe de aneurisma fundida.
  - Decodificador 2: Saída de 13 canais, pareando cada classe de anatomia de vaso com sua respectiva classe de localização de aneurisma.
  - Reconstrução: Pós-treinamento, a segmentação completa de 26 classes é recuperada fundindo as saídas: se o Decodificador 1 prevê a classe de aneurisma fundida e o Decodificador 2 prevê a classe de anatomia vascular $k$ , o rótulo final é a classe de localização de aneurisma $k+13$ .
- Cabeças de Classificação: Três cabeças de classificação utilizam pooling de atenção cruzada (cross-attention pooling) no gargalo do encoder para prever: (1) modalidade de entrada (4 classes), (2) presença de aneurisma (binário) e (3) localização de aneurisma multilabel (13 classes).
- Função de Perda: A perda total é uma soma ponderada das perdas de segmentação (Dice + Cross-Entropy ponderada) e perdas de classificação (BCE/CE). As classes associadas ao aneurisma recebem pesos significativamente maiores (10× no Decodificador 1, 5× no Decodificador 2) para contrapor o desequilíbrio de classes.
Preparação e Augmentação de Dados
Como o desafio RSNA-2025 forneceu apenas as coordenadas do ponto central para os aneurismas e não máscaras ao nível de voxel, os autores empregaram uma estratégia de aprendizado ativo. Eles geraram pseudo-rótulos para máscaras de anatomia vascular e de aneurisma usando modelos iniciais, que foram revisados manualmente, corrigidos e retroalimentados iterativamente. Este processo cobriu todos os 4.348 séries de treinamento. Adicionalmente, a augmentação de troca de rótulo esquerda-direita (left-right label-swap) foi aplicada para dobrar o tamanho do dataset para casos com rótulos lateralizados.

Principais Contribuições

Extração de ROI Triaxial 2D: Uma estratégia que lida com dados neurovasculares multimodais sem segmentação 3D completa, reduzindo a inferência para nove predições de fatias por volume.
Framework Unificado Multitarefa: O primeiro método a unificar classificação de aneurisma multilabel, segmentação de aneurisma multiclasse e segmentação de vasos multiclasse com granularidade multiclasse através de quatro modalidades.
Arquitetura de Decodificador Duplo: Um design especificamente voltado para lidar com o desequilíbrio extremo de volume entre as classes de aneurisma e vasos, permitindo um fluxo de gradiente eficaz para alvos esparsos de aneurisma.
Lançamento Público: Os autores liberaram o código, os pesos do modelo e um plugin para o 3D Slicer para apoiar pesquisas futuras.

Resultos
O framework alcançou o 2º lugar no desafio de Detecção de Aneurisma Intracraniano RSNA 2025.

Desempenho: O ensemble final (dois folds) alcançou um AUC Público de 0,90035 e um AUC Privado de 0,86727.
Insights de Ablação:
- O refinamento das anotações de segmentação e a expansão dos rótulos de anatomia vascular via aprendizado ativo renderam um ganho de +0,032 no leaderboard privado.
- A Augmentação de Tempo de Teste (TTA) com 8 combinações proporcionou um ganho de +0,010.
- O ensemble de dois folds proporcionou um ganho marginal, porém consistente, de +0,005.
Eficiência: A abordagem triaxial 2D alcançou uma velocidade média de inferência de 0,51 segundos por volume em uma RTX 3090, comparado aos 6,44 segundos de uma linha de base de janela deslizante 3D.

Significância e Alegações
O artigo afirma que sua principal significância reside em ir além da detecção binária para fornecer saídas anatômicas multiclasse refinadas através de modalidades de imagem heterogêneas. Os autores destacam que seu design de decodificador duplo oferece uma estratégia viável para lidar com o desequilíbrio extremo de classes em tarefas de segmentação médica onde as estruturas alvo (aneurismas) são ínfimas em relação ao fundo (vasos). Eles observam que, embora a avaliação de segmentação permaneça qualitativa devido à ausência de máscaras de voxel de verdade fundamental (ground-truth) no desafio, o framework produz com sucesso saídas anatômicas densas mesmo quando treinado primariamente para classificação. Os autores reconhecem modestamente as limitações, incluindo a dependência de pseudo-rótulos gerados via aprendizado ativo e a natureza não end-to-end da recuperação de segmentação de 26 classes, que requer a fusão pós-processamento de dois decodificadores.