CrossSpine: Multi-scale Cross-sequence Attention with Anatomical Priors for Automated Pfirrmann Grading

Resumo Técnico: CrossSpine

Problema
A graduação automatizada da Degeneração do Disco Lombar (LDD) é crítica para a quantificação objetiva de mudanças estruturais associadas à dor lombar. Embora a Ressonância Magnética (RM) seja o padrão clínico, utilizando o sistema de graduação de Pfirrmann, os modelos de base de aprendizado profundo existentes demonstraram desempenho insuficiente em conjuntos de dados específicos. Os autores identificam duas limitações primárias nas abordagens atuais:

1. Processamento de fluxo único: Modelos padrão falham em integrar efetivamente características complementares de diferentes sequências de RM (ex: T1, T2, etc.), tratando-as isoladamente em vez de aproveitar sua informação mútua.
2. Falta de contexto anatômico: Modelos de base frequentemente tratam todos os discos lombares de forma uniforme, ignorando os padrões biomecânicos e de degeneração que são distintos para níveis específicos de disco intervertebral (IVD).

Metodologia
Os autores propõem o CrossSpine, um framework projetado para abordar essas limitações por meio de atenção cross-sequência multiescala e integração anatômica. A arquitetura consiste em quatro etapas principais:

1. Pré-processamento de Dados: O sistema utiliza um conjunto de dados curado de 1.185 registros de IVD de 237 pacientes. Para cada exame, a imagem central de quatro sequências de RM disponíveis é selecionada e redimensionada para 224×224 pixels. Técnicas de aumento de dados (rotação, escala, inversão, etc.) são aplicadas para melhorar a generalização.
2. Extração de Características Multiescala: Usando um backbone DenseNet-121 pré-treinado no ImageNet, o modelo extrai características em duas escalas espaciais distintas:
   • Escala 1: Características extraídas após o primeiro bloco denso (resolução espacial de 56×56), reduzidas a um vetor de 128 dimensões.
   • Escala 2: Características extraídas após o segundo bloco denso (resolução espacial de 28×28), reduzidas a um vetor de 256 dimensões.
3. Fusão de Atenção Cross-Sequência: Em vez de uma simples concatenação, o framework emprega um mecanismo de atenção cross-sequência (inspirado em Vaswani et al.) para fundir adaptativamente as características das quatro sequências de RM. Isso permite que as sequências façam referência umas às outras, permitindo que a rede aprenda quais sequências são mais informativas para o diagnóstico de características específicas. Este processo é aplicado independentemente em ambas as escalas espaciais.
4. Fusão de Escala e Classificação Consciente de IVD:
   • Os vetores de características de ambas as escalas são projetados para um espaço comum de 512 dimensões e combinados usando pesos de escala aprendíveis.
   • Classificação Consciente de IVD: Uma técnica inovadora integra explicitamente informações anatômicas do nível do disco (ex: L1–L2, L5–S1) na cabeça de classificação. As características fundidas são projetadas para uma representação de 10 dimensões, concatenadas com o indicador de nível do disco e passadas por uma camada linear final para prever o grau de Pfirrmann. Isso permite que o modelo aprenda priors de degeneração específicos de cada nível.
   • O sistema lida com sequências ausentes via zero-padding e máscaras de disponibilidade para evitar vazamento de informação.

Principais Contribuições

1. Arquitetura CrossSpine: Um framework inovador que utiliza atenção cross-sequência para fundir características multiescala de diferentes sequências de RM, aprimorando a captura de mudanças degenerativas sutis.
2. Conjunto de Dados Curado: A introdução de um conjunto de dados meticulosamente curado (PhenMec) especificamente projetado para a graduação automatizada de Pfirrmann, apresentando uma representação anatômica equilibrada entre os níveis de disco, apesar dos desequilíbrios de classe clínicos.
3. Classificação Consciente de IVD: Uma técnica agnóstica ao modelo que injeta informações de nível de disco anatômico no processo de classificação. Os autores demonstram que isso melhora o desempenho não apenas em sua arquitetura proposta, mas também em modelos de base.

Resultados Experimentais
Os experimentos foram conduzidos em uma GPU NVIDIA RTX 4090 usando uma divisão de 70/15/15 para treino/validação/teste. A avaliação priorizou o Macro F1-score, a Média de AUROC e a Média de AUPRC para considerar o desequilíbrio de classes.

• Ganhos de Desempenho: Comparado a um baseline de DenseNet-121 (sem consciência de IVD ou atenção cross-sequência), o CrossSpine alcançou:
  • Uma melhoria relativa de 125% no Macro F1 score (0.1917 para 0.4318).
  • Um aumento de 99% na Média de AUPRC (0.2772 para 0.5516).
  • Um aumento de 36% na Média de AUROC (0.6187 para 0.8391).
• Estudos de Ablação: O estudo confirmou que tanto a arquitetura multiescala quanto o módulo de consciência de IVD são críticos. Adicionar a consciência de IVD isoladamente quase dobrou o Macro F1 do baseline, enquanto a combinação de ambos os módulos resultou no maior desempenho.
• Análise de Backbone: Entre os backbones testados (ResNet-34, EfficientNet-B0, DenseNet-121), a DenseNet-121 forneceu a melhor consistência e desempenho dentro do framework proposto.
• Análise Qualitativa: Visualizações mostraram que, enquanto os modelos de base frequentemente classificavam incorretamente os discos ao atribuir a classe majoritária (Grau 2), o CrossSpine capturou com sucesso padrões específicos de nível, identificando corretamente graus intermediários de disco onde os modelos de base falharam.

Significância
O artigo afirma que o CrossSpine estabelece um benchmark robusto para imagens médicas multimodais ao demonstrar que a integração do contexto anatômico (nível do disco) e a atenção cross-sequência aumentam significativamente o desempenho diagnóstico. O trabalho ressalta a necessidade de ir além do tratamento uniforme e de fluxo único de dados da coluna vertebral para aproveitar a rica informação complementar inerente às múltiplas sequências de RM e às realidades biomecânicas de níveis espinhais específicos. A técnica consciente de IVD é destacada como uma contribuição agnóstica ao modelo que pode ser aplicada a outras arquiteturas de imagem da coluna.