From Reconstruction to Interpretation: Zero-Setup Multi-Phase Segmentation of X-ray Tomography Data

Resumo Técnico: Segmentação de Múltiplas Fases com Configuração Zero para Dados de Tomografia de Raios-X

Definição do Problema
A tomografia de raios-X, particularmente em instalações de síncrotron, permite a caracterização não destrutiva de materiais em 3D em geociências, ciência dos materiais e biologia. Embora as velocidades de reconstrução tenham aumentado, a análise subsequente continua sendo um gargalo crítico. A segmentação tradicional depende de limiarização (thresholding) manual ou ferramentas semiautomáticas que exigem distribuições de intensidade uniformes, as quais são frequentemente comprometidas por artefatos de reconstrução, ruído e variações nas condições do feixe. Além disso, abordagens de aprendizado profundo normalmente exigem anotações específicas do conjunto de dados e retreinamento, criando uma lacuna de latência entre a aquisição de dados e a interpretação científica. Esse atraso impede a avaliação em tempo real da qualidade experimental, levando frequentemente à coleta de dados inutilizáveis ou à incapacidade de ajustar parâmetros durante experimentos in-situ.

Metodologia
Os autores propõem um framework de implantação de "configuração zero" (zero-setup) projetado para gerar segmentações de qualidade diagnóstica e interpretável imediatamente após a reconstrução da imagem, sem solicitação do usuário, anotações específicas de materiais ou retreinamento.

• Preparação de Máscara Agnóstica ao Material: Em vez de treinar para fases minerais ou composições químicas específicas, o framework decompõe os dados tomográficos em seis regiões semânticas amplamente ocorrentes e fisicamente interpretáveis:

  1. Background (Fundo): Espaço vazio ao redor da amostra.
  2. Sample (Amostra): Todo o volume do material.
  3. Bright (Brilhante): Regiões de maior intensidade.
  4. Light Gray (Cinza Claro): Regiões de intensidade intermediária.
  5. Dark Gray (Cinza Escuro): Regiões de menor intensidade dentro da amostra.
  6. Porosity (Porosidade): Poros ou rachaduras (compartilhando intensidade com o fundo).
     Esta estratégia permite que um único modelo se generalize através de diversos materiais (ex: núcleos de rocha, ligas metálicas) ao focar em conceitos estruturais em vez de identidades materiais específicas.

• Amostragem Consciente de Classe: Para lidar com o severo desequilíbrio de classes onde os pixels de fundo dominam, um mapeador consciente de classe é empregado durante o treinamento. Esta estratégia extrai seletivamente cortes de 1024x1024 que contêm pelo menos uma classe não pertencente ao fundo, garantindo que estruturas minoritárias (porosidade, inclusões brilhantes) contribuam efetivamente para as atualizações de gradiente.

• Arquitetura do Modelo: O framework utiliza uma arquitetura ConvNeXt-UNet. Ele combina um backbone ConvNeXt-Tiny (apresentando kernels grandes de 7x7, Normalização de Camada e gargalos invertidos) com um decodificador U-Net simétrico. O modelo gera seis canais binários via um cabeçalho convolucional de 1x1, permitindo a segmentação multi-rótulo. Este design captura tanto o contexto estrutural de longo alcance quanto detalhes de borda em escala fina.

• Estratégia de Treinamento: O modelo é inicializado com pesos pré-treinados na ImageNet-1K e treinado usando perda de Entropia Cruzada Binária com Logits. Para lidar com o desequilíbrio de classes, aplica-se o Equilíbrio de Frequência de Mediana (Median Frequency Balancing), atribuindo pesos maiores às classes raras (ex: porosidade) com base em sua frequência de pixels empírica. O jittering de percentil dinâmico é usado durante a normalização para garantir robustez contra variações de contraste entre diferentes linhas de luz (beamlines).

Principais Contribuições

1. Implantação de Configuração Zero: O framework produz segmentações imediatas e interpretáveis para conjuntos de dados previamente não vistos, sem a necessidade de retreinamento adicional ou intervenção do usuário.
2. Representação Semântica Generalizável: Ao mapear dados tomográficos complexos para seis conceitos estruturais universais, a abordagem preenche a lacuna entre a aquisição de alta velocidade e a interpretação imediata, evitando a necessidade de treinamento de modelos específicos para cada material.
3. Utilidade Diagnóstica: As máscaras geradas servem como uma ferramenta de análise de "primeira passagem", permitindo que pesquisadores avaliem a qualidade da amostra, identifiquem falhas de varredura e tomem decisões informadas sobre a continuação do experimento ou modificação de parâmetros enquanto a linha de luz está ativa.
4. Robustez: O sistema demonstra resiliência a artefatos de reconstrução, ruído e variações nas condições de imagem onde a limiarização baseada em intensidade convencional falha.

Resultados
O framework foi avaliado em conjuntos de dados de micro-CT de síncrotron de três núcleos de rocha (xisto, dolomita, basalto) e vários outros materiais (titânio, argila, simulantes de regolito lunar) com diferenças significativas em contraste de fase e textura.

• Desempenho Quantitativo: O ConvNeXt-UNet alcançou uma acurácia de 0,995 e um F1 score macro de 0,992 no conjunto de teste.
• Comparação com Limiarização (Thresholding): Em uma fatia representativa de basalto, o modelo proposto alcançou um F1 score macro de 0,941, superando significativamente a limiarização manual baseada em intensidade (0,667). A melhoria foi mais pronunciada para porosidade (F1: 0,845 vs. 0,182).
• Coerência Estrutural: A análise quantitativa de medições de espessura local mostrou que o modelo de aprendizado profundo produziu regiões espacialmente coerentes (ex: espessura média de 353,9 px para a classe amostra) comparado às regiões fragmentadas produzidas pela limiarização manual (7,6 px).
• Comparação de Arquitetura: O ConvNeXt-UNet superou os frameworks ResNeXt-FPN e baseados em DINOv2, atribuído à sua capacidade de preservar tanto o contexto global quanto os detalhes espaciais de escala fina.

Significância e Alegações
O artigo posiciona este trabalho não como um substituto para modelos de segmentação aplicados a casos específicos, mas como uma base prática para fluxos de trabalho de imagem científica escaláveis e assistidos por IA. A principal significância reside em sua capacidade de preencher a lacuna entre a aquisição de dados de alta velocidade e a interpretação científica acionável. Ao fornecer máscaras fisicamente significativas e imediatas, o framework permite:

• Feedback de linha de luz próximo do tempo real, permitindo que usuários detectem falhas experimentais ou condições subótimas durante a coleta de dados.
• Análise preliminar rápida de características microestruturais (porosidade, variações de densidade) sem esperar semanas por processamento manual.
• Um ponto de partida para refinamento, onde as máscaras geradas podem ser refinadas manualmente ou usadas para ajustar modelos especializados quando uma maior precisão é necessária.

Os autores concluem que esta abordagem demonstra a viabilidade de integrar a IA diretamente nos fluxos de trabalho de síncrotron, reduzindo substancialmente o esforço manual e melhorando a utilização do tempo de feixe através de diagnósticos rápidos de configuração zero.