Resumo Técnico: HTC-SGA Former para Segmentação de Vasos em DSA Coronária

1. Definição do Problema

A segmentação precisa de vasos coronários em Angiografia por Subtração Digital (DSA) é crítica para o diagnóstico auxiliado por computador e o planejamento de tratamento da doença arterial coronária (DAC). No entanto, os métodos existentes enfrentam desafios significativos devido às características específicas das imagens de DSA:

• Vasos Finos e de Baixo Contraste: Os ramos distais frequentemente exibem sinais fracos e baixo contraste em relação ao fundo, tornando-os difíceis de detectar.
• Desequilíbrio de Classe Severo: A proporção de pixels de vasos em relação aos pixels de fundo é extremamente desproporcional, levando os modelos a enviesarem para a predição do fundo.
• Compromisso Global-Local: Redes Neurais Convolucionais (CNNs) tradicionais capturam bem características locais, mas têm dificuldade com o contexto anatômico de longo alcance, enquanto Transformers puros frequentemente perdem detalhes espaciais finos e sofrem com altos custos computacionais.
• Ambiguidade de Fronteira: Artefatos de movimento e estruturas anatômicas sobrepostas resultam em continuidade vascular fragmentada e localização imprecisa de bordas.

Os métodos atuais de estado da arte frequentemente falham em equilibrar simultaneamente o raciocínio contextual global com a preservação de vasos distais fracos e bordas finas.

2. Metodologia: HTC-SGA Former

Os autores propõem o HTC-SGA Former, um framework híbrido leve que integra um codificador CNN com um decodificador Transformer. A arquitetura é projetada para preservar a morfologia vascular local enquanto modela dependências de longo alcance.

2.1. Visão Geral da Arquitetura

• Codificador CNN: Um codificador leve extrai características hierárquicas usando quatro estágios convolucionais. Ele utiliza convoluções 3×3, normalização de lote (batch normalization), ReLU e dropout, seguidos de max-pooling para subamostragem. Um bloco de gargalo (bottleneck) expande a dimensão de canais para enriquecer as representações semânticas de alto nível antes da decodificação.
• Decodificador Transformer: Ao contrário dos modelos híbridos padrão que utilizam um gargalo Transformer, o HTC-SGA Former posiciona o Transformer dentro do decodificador para aprimorar progressivamente o raciocínio contextual global-local.

2.2. Componentes Principais

1. Atenção de Janela Global-Local Multiescala (MS-GLWA):

   • Este bloco aborda o compromisso entre contexto global e detalhe local.
   • Ramo Local: Utiliza convoluções separáveis (depthwise 3×3 e pointwise 1×1) para preservar a morfologia fina dos vasos e detalhes de borda.
   • Ramo Global: Captura o contexto anatômico via autoatenção de múltiplas cabeças baseada em janelas. Diferente dos Swin Transformers padrão, ele gera tensores de Query, Key e Value (QKV) a partir de representações de características multiescala (usando convoluções paralelas de 1×1, 3×3, 5×5 e depthwise).
   • Escalonamento Adaptativo: Um parâmetro de temperatura aprendível ($\tau$) é introduzido para escalar adaptativamente os logits de atenção, melhorando a robustez em imagens de baixo contraste e com ruído.
   • Fusão: As características globais e locais são fundidas via soma elemento a elemento.

2. Atenção de Características Autoguiada (SGFA):

   • Projetada para refinar respostas vasculares fracas e suprimir interferências do fundo.
   • Geração de Máscara Preliminar: Gera um mapa de probabilidade de vaso grosseiro a partir das características do decodificador para servir como um prior estrutural.
   • Atenção Residual: Utiliza a máscara para criar pesos de atenção que potencializam características consistentes com o vaso através de uma formulação residual ($\mathbf{F}_{atendida} = \mathbf{F} \odot (1 + \mathbf{A})$), evitando a perda de informação do gating rígido.
   • Contexto Multiescala: Emprega convoluções dilatadas paralelas (taxas 1, 2, 4) para capturar características vasculares em várias escalas antes de fundi-las para o refinamento final.

3. Perda Composta Adaptativa Ponderada por Fronteira (BWACL):

   • Uma função de perda inovadora projetada para lidar com o desequilíbrio severo de classes e melhorar a preservação de bordas de vasos finos.
   • Ponderação de Fronteira: Gera um mapa de pesos pixel a pixel que atribui pesos maiores (até 1,5×) às bordas de vasos finos identificadas via transformadas de distância euclidiana.
   • Formulação Composta: Combina uma Focal Loss Ponderada (para enfatizar pixels difíceis) e uma Dice Loss Ponderada (para otimizar a sobreposição).
   • Equilíbrio Adaptativo: Introduz um fator de equilíbrio dinâmico ($\beta$) que ajusta a contribuição dos termos Focal e Dice com base em métricas de erro em tempo real (erro de Recall vs. erro de falso-positivo de borda). Se a recuperação do vaso for ruim, o termo Focal é ponderado mais fortemente; se a precisão da borda estiver faltando, o termo Dice é priorizado.

3. Principais Contribuições

O artigo descreve cinco contribuições primárias:

1. Framework HTC-SGA Former: Uma arquitetura híbrida CNN-Transformer leve especificamente para segmentação de DSA coronária, combinando uma CNN codificadora para morfologia local e um decodificador Transformer para raciocínio global-local.
2. Bloco MS-GLWA: Um mecanismo de atenção inovador que integra autoatenção de janela multiescala com convoluções separáveis para capturar dependências de longo alcance enquanto preserva estruturas vasculares finas.
3. Módulo SGFA: Um módulo de refinamento focado em vasos que utiliza atenção autoguiada e contexto multiescala para potencializar respostas de vasos fracos e suprimir ruído de fundo.
4. BWACL: Uma perda composta adaptativa ponderada por fronteira que aborda o desequilíbrio de classe ao enfatizar bordas de vasos finos e equilibrar dinamicamente a recuperação do vaso com o refinamento da borda.
5. Validação Abrangente: Experimentos extensos demonstrando a superioridade do framework sobre 14 métodos de estado da arte e a aplicabilidade cross-backbone da função de perda proposta.

4. Resultados Experimentais

O método foi avaliado em um conjunto de dados privado contendo 300 sequências de DSA coronária (150 imagens de artéria coronária direita e 150 esquerda) de 50 pacientes, utilizando validação cruzada de 5 dobras (5-fold cross-validation).

• Desempenho vs. Estado da Arte: O HTC-SGA Former superou 14 métodos concorrentes (incluindo variantes de U-Net, Transformers puros como SwinUNet e modelos híbridos) tanto nos subconjuntos de coronária direita quanto esquerda.
  • Subconjunto Direito: Alcançou 88,58% de Recall e 88,01% de Dice, com uma Distância de Superfície Média (ASD) de 0,6944.
  • Subconjunto Esquerdo: Alcançou 85,23% de Recall e 82,89% de Dice, com um ASD de 1,0256.
  • Eficiência: O modelo mantém uma arquitetura compacta com apenas 0,81M de parâmetros, significativamente menos que muitos concorrentes (ex: SwinUNet possui 85,9M de parâmetros).
• Eficácia da Função de Perda: Quando aplicado a quatro backbones padrão (U-Net, Attention U-Net, U-Net++, Attention U-Net++), o BWACL melhorou consistentemente o Recall e as métricas de borda (ASD/ACD) em comparação com as perdas padrão BCE+Dice.
• Estudo de Ablação:
  • A adição dos componentes MS-GLWA (Ramo Local, Ramo Global, QKV Aprimorado) melhorou progressivamente o desempenho.
  • O módulo SGFA proporcionou ganhos significativos na precisão de borda (redução de ASD/ACD).
  • A perda completa BWACL yielded os maiores scores de Recall e Dice, confirmando sua necessidade para otimizar a recuperação de vasos finos.
• Análise Qualitativa: Comparações visuais mostraram que o HTC-SGA Former preserva melhor os ramos distais finos, mantém a continuidade vascular e reduz falsos positivos em regiões de baixo contraste em comparação com outros métodos.

5. Significância e Alegações

Os autores afirmam que o HTC-SGA Former fornece uma solução prática e eficiente em parâmetros para a análise de vasos coronários. Ao integrar o modelamento de contexto global-local complementar com o refinamento focado em vasos e a otimização adaptativa, o framework aborda as limitações específicas dos métodos atuais no tratamento de vasos distais fracos e desequilíbrio severo de classes.

O artigo assegura que a abordagem proposta permite uma análise de vasos coronários confiável e computacionalmente eficiente, apoiando a análise de imagem quantitativa e futuras intervenções cardiovasculares auxiliadas por computador. Os autores enfatizam que a combinação do design arquitetônico (MS-GLWA, SGFA) e da estratégia de otimização (BWACL) é a chave para alcançar alta precisão sem o ônus computacional dos modelos de Transformer de grande escala.

O trabalho futuro, conforme declarado pelos autores, envolve a validação do framework em conjuntos de dados multicêntricos maiores, investigação de implementações em tempo real e extensão da metodologia para outras tarefas de imagem vascular (retiniana, cerebral, periférica) e modalidades angiográficas.