Resumo Técnico: DisMix – Mixup Consciente de Ordem para Imagens Médicas via Desentranhamento de Características Ordinais e Não-Ordinais

Problema

O mixup de aumento de imagem padrão, uma técnica amplamente utilizada para melhorar a generalização em aprendizado profundo através da geração de amostras intermediárias, é fundamentalmente inadequado para tarefas de classificação ordinal prevalentes em imagens médicas (ex: gradação de severidade de doenças). Nesses domínios, os rótulos representam uma progressão de severidade (ex: escala Kellgren–Lawrence 0–4) em vez de categorias discretas e independentes.

As estratégias de mixup convencionais misturam indiscriminadamente dois tipos distintos de características:

1. Características ordinais: Pistas que definem o ranking ou a severidade (ex: tamanho da lesão, estreitamento do espaço articular).
2. Características não-ordinais: Variações de aparência não relacionadas à severidade (ex: artefatos de imagem, fundo, diferenças de coloração).

Este entranhamento da mistura corrompe a estrutura ordinal subjacente. Como demonstrado no artigo, o mixup padrão produz amostras com estruturas biologicamente implausíveis (ex: espaços de articulações do joelho desorientados ou múltiplos discos ópticos) e distorce a distribuição de características, fazendo com que amostras de diferentes rankings se tornem entranhadas. Esse modo de falha dificulta o aprendizado de classificadores ordinais robustos, particularmente na presença de variabilidade de gradação (desacordos entre anotadores).

Metodologia: DisMix

Para abordar a incompatibilidade entre o mixup convencional e o aprendizado ordinal, os autores propõem o DisMix, um framework de mixup consciente de ordem. A inovação central é o desentranhamento explícito de características ordinais e não-ordinais em subspaces latentes separados antes que a mistura ocorra.

1. Aprendizado de Representação Desentranhada

O DisMix emprega um VQ-VAE (Autoencoder Variacional Quantizado por Vetores) de código duplo para fatorar as imagens de entrada em dois componentes latentes distintos:

• Latente Ordinal ($z_o$): Captura a estrutura que define o ranking.
• Latente Não-Ordinal ($z_n$): Codifica variações independentes de ranking (aparência).

A arquitetura é otimizada usando os seguintes mecanismos:

• Ramo Ordinal: As características do codificador são condicionadas a rótulos ordinais suaves (derivados de múltiplos anotadores) para enviesar a representação em direção à semântica de ranking. Um quantizador baseado em atenção seleciona códigos discretos de um código de livros ordinais ($M_o$). Um classificador linear auxiliar impõe que $z_o$ retenha informações ordinais via perda de Regressão Ordinal Suave (SOR).
• Ramo Não-Ordinal: Para suprimir a informação ordinal, este ramo utiliza um objetivo adversarial. Um classificador linear tenta prever o ranking a partir de $z_n$, mas seus gradientes são revertidos via uma Camada de Reversão de Gradiente (GRL). Isso força o quantizador não-ordinal a descartar sinais sensíveis ao ranking.
• Regularização de Desentranhamento: A similaridade de cosseno entre as duas representações latentes é minimizada para garantir que os subspaces permaneçam distintos.
• Treinamento Adversarial: Um discriminador de múltiplas tarefas garante o realismo perceptual e a consistência ordinal das imagens reconstruídas.

2. Políticas de Mixup Conscientes de Ordem

Uma vez que o VQ-VAE é treinado e congelado, o DisMix gera amostras aumentadas manipulando os códigos latentes de forma independente. O artigo define quatro políticas de mistura (Tabela 1):

• Ordinal Mix: Interpola códigos ordinais ($\tilde{z}_o = \lambda z_o^i + (1-\lambda)z_o^j$) enquanto mantém os códigos não-ordinais fixos. Isso gera rankings intermediários com rótulos suaves.
• Non-Ordinal Mix: Interpola códigos não-ordinais enquanto mantém o código ordinal (e, portanto, o rótulo de ranking) fixo. Isso introduz diversidade de aparência sem alterar a severidade.
• Order Swap: Troca os códigos ordinais e não-ordinais entre duas amostras.
• Generate & Mix: Gera uma variante de ranking adjacente de uma imagem âncora, condicionando seu código ordinal a um novo ranking, e então aplica o Ordinal Mix.

Essas políticas permitem um aumento controlado que preserva o manifold ordinal enquanto enriquece a diversidade de aparência.

Principais Contribuições

1. Framework DisMix: Introdução de um método de mixup consciente de ordem que desentranha características ordinais e não-ordinais em subspaces latentes distintos, permitindo a síntese de amostras aumentadas consistentes com a ordem.
2. Políticas de Latente Desentrançadas: Proposta de estratégias de mistura específicas (Ordinal Mix, Non-Ordinal Mix, Order Swap, Generate & Mix) que operam separadamente nos subspaces desentrançados para evitar a corrupção de sinais ordinais.
3. Avaliação Abrangente: Benchmarking extensivo em quatro conjuntos de dados de imagens médicas (Osteoartrite de Joelho, Retinopatia Diabética, Histopatologia de Cólon, Histopatologia de Próstata) contra seis baselines de mixup de estado da arte e seis classificadores ordinais.

Resultados Experimentais

Os autores avaliaram o DisMix através de 24 combinações de métodos de mixup e classificadores ordinais. As principais descobertas incluem:

• Desempenho Agregado: O DisMix alcançou a melhor acurácia em 20 de 24 configurações e o melhor Erro Absoluto Médio (MAE) em 15 de 24 configurações.
• Significância Estatística: Comparado ao baseline mais forte, o DisMix entregou ganhos de acurácia agregada estatisticamente significativos (teste de postos sinalizados de Wilcoxon unilateral, $p = 0.0075$) e reduziu o MAE em 4–6%.
• Escassez de Dados: Sob escassez de dados (treinando com apenas 10% das amostras por classe), o DisMix superou os baselines, melhorando a acurácia em aproximadamente 1,5% no conjunto de dados IDRID com treinamento mínimo.
• Robustez à Variabilidade de Gradação: O DisMix permaneceu eficaz sob alta variabilidade de gradação (até 70% de desacordo), enquanto outros métodos sofreram degradação de desempenho, particularmente em altas probabilidades de mistura.
• Redução de Erro de Fronteira: O DisMix consistentemente alcançou os menores erros de classificação de nível de fronteira (ex: reduzindo erros C2↔C3 em 9% no IDRID comparado ao melhor baseline).
• Análise Qualitativa: Visualizações confirmaram que o DisMix produz transições biologicamente plausíveis (ex: lesões mais escuras, espaços articulares estreitados) enquanto preserva atributos não-ordinais, enquanto outros métodos frequentemente geravam artefatos anatomicamente inconsistentes.

Significância e Alegações

O artigo argumenta que a incompatibilidade fundamental entre o mixup convencional e o aprendizado ordinal decorre do entranhamento de características que definem o ranking com variações de aparência irrelevantes. Ao desentrançar esses fatores, o DisMix permite uma mistura controlada que respeita a geometria ordinal subjacente.

Os autores alegam que o DisMix demonstra a necessidade de um mixup consciente de ordem para dados ordinais. Diferente de métodos anteriores que ou corrompem os rótulos ou subutilizam o aumento ao ignorar pistas de aparência, o DisMix fornece um mecanismo para preservar a fidelidade do rótulo enquanto aumenta a diversidade semântica. Os resultados ressaltam que métodos baseados em desentranhamento são uma direção promissora para o aprendizado ordinal robusto em imagens médicas, particularmente em cenários envolvendo variabilidade de gradação e dados limitados.

O artigo mantém uma postura modesta quanto ao seu escopo, observando que as imagens geradas são destinadas ao aumento de dados e não para interpretação clínica direta, e que os rankings interpolados servem como supervisão suave e não como novos graus clinicamente definidos. Adicionalmente, os autores reconhecem o custo computacional para treinar a representação desentrançada, embora notem que este é um custo único por conjunto de dados, amortizado entre as tarefas subsequentes.