Resumo Técnico: Avaliação da Pose do Paciente Usando um Framework Baseado em TC para Geração de Dados Sintéticos

Problema

A qualidade diagnóstica de radiografias é crítica para um diagnóstico e planejamento de tratamento confiáveis. Um determinante primário dessa qualidade é a pose do paciente durante a aquisição. O posicionamento inadequado leva a imagens não diagnósticas, necessitando de repetições que aumentam a exposição à radiação para os pacientes e os custos para os hospitais. O posicionamento é atualmente propenso a erros devido à falta de padronização e à dependência da experiência do radiologista.

Embora câmeras de Tempo de Voo (ToF) possam capturar imagens de profundidade para avaliar a pose antes de uma radiografia ser tirada, a aquisição dos dados pareados necessários (imagens de profundidade e radiografias correspondentes com rótulos de qualidade diagnóstica) é dificultada por restrições regulatórias e éticas. Expor intencionalmente sujeitos à radiação em poses não diagnósticas para coleta de dados é eticamente injustificável, e o uso de preparações anatômicas carece de escalabilidade. Além disso, a integração de câmeras em tempo real na prática clínica enfrenta obstáculos de proteção de dados.

Metodologia

Os autores propõem um framework para gerar sinteticamente imagens de profundidade e radiografias pareadas a partir de exames de Tomografia Computadorizada (TC) existentes, contornando a necessidade de nova exposição à radiação. O framework consiste nas seguintes etapas:

1. Pré-processamento e Extração de Superfície:

   • Os exames de TC são convertidos em nuvens de pontos usando o Algoritmo de Marching Cubes (MCA) com um limiar de -500 Unidades Hounsfield (HU) para remover o ar.
   • A anatomia alvo (articulação do tornozelo superior) é recortada.
   • Um eixo de rotação (eixo longitudinal) e um plano de referência ($\Pi_P$) são definidos para simular rotações da perna humana e o posicionamento da mesa.
   • Um algoritmo de otimização garante que a anatomia rotacionada seja colocada de forma realista em um plano de mesa de imagem pré-registrado ($\Pi_T$), evitando que partes da anatomia intersectem a mesa.

2. Aumentação:

   • Para simular diversos tipos de corpos e patologias, a nuvem de pontos é deslocada ao longo de vetores normais.
   • Distribuições Gaussianas são usadas para criar "protuberâncias" simulando inchaços ou edema, particularmente ao redor do tornozelo e da tíbia.
   • Isso resulta em múltiplas variantes aumentadas (original, deslocamento de tamanho, deslocamento de protuberância e combinação) para cada pose.

3. Composição de Cena e Geração de Imagem de Profundidade:

   • A anatomia alvo é inserida em uma nuvem de pontos pré-registrada de uma sala de raio-X (incluindo a mesa).
   • A anatomia é rotacionada para vários ângulos (incluindo poses não diagnósticas) e colocada sobre a mesa.
   • Imagens de profundidade sintéticas são geradas via projeções 2D das nuvens de pontos, incorporando parâmetros intrínsecos/extrínsecos da câmera e coeficientes de distorção para mimetizar configurações específicas de câmeras ToF.

4. Geração de Radiografia Sintética:

   • Para garantir a precisão física, as radiografias são geradas usando uma simulação de Monte Carlo (ferramenta MCGPU) em vez de aproximações baseadas em aprendizado profundo.
   • Os voxels da TC são convertidos em voxels de material e densidade de massa (ar, tecido mole, osso, titânio).
   • A posição da fonte de raio-X é movida virtualmente em relação ao volume estático da TC para simular diferentes poses.
   • $2 \cdot 10^{10}$ caminhos de fótons são simulados, e a saída bruta é mapeada não linearmente para se assemelhar a radiografias reais.

Datasets

O estudo utiliza três datasets:

1. Dataset Sintético: Gerado a partir de 10 TCs anonimizadas (17 articulações do tornozelo superior). Contém 3077 poses únicas, cada uma com radiografias sintéticas e imagens de profundidade correspondentes de duas visões de câmera. Isso inclui variações aumentadas, totalizando mais de 30.000 imagens de profundidade.
2. Dataset de Preparações Anatômicas: Contém imagens de profundidade e radiografias reais de duas pernas cadavéricas em 174 poses, capturadas com câmeras ToF Microsoft Azure Kinect.
3. Dataset Clínico de Mundo Real: Um dataset fracamente rotulado de 18 sujeitos vivos (108 poses) capturados em um ambiente clínico. Radiografias não foram tiradas por razões éticas; os rótulos (1 para "bom", 3 para "ruim") são substitutos baseados no posicionamento relativo a um ideal de livro didático.

Experimentos e Treinamento

Os autores treinaram modelos EfficientNet-B0 (duas redes separadas para duas visões de câmera) para regredir a qualidade diagnóstica (escala 1–3) a partir de imagens de profundidade. Os experimentos abordaram duas questões:

1. Dados sintéticos sozinhos podem aprender a avaliação de pose?
2. O pré-treinamento em dados sintéticos melhora o desempenho em dados reais?

Configuração Experimental:

• Experimento 1: Treinamento e teste exclusivamente no dataset sintético para avaliar estratégias de aumentação (tamanho, protuberâncias, ambos).
• Experimento 2a: Ajuste fino (fine-tuning) de modelos pré-treinados no dataset sintético (e ImageNet) no dataset de preparações anatômicas.
• Experimento 2b: Ajuste fino de modelos no dataset clínico de mundo real.
• Experimento 2c: Probing linear (congelando o backbone, treinando apenas a cabeça) para avaliar a transferibilidade de características.

Resultados Principais

• Aprendizado de Dados Sintéticos: O treinamento no dataset sintético alcançou uma acurácia de 87,6% (com aumentação de tamanho), superando significativamente um baseline que prevê o rótulo médio (59,3%).
• Transferência para Preparações Anatômicas: O pré-treinamento no dataset sintético melhorou o desempenho no dataset de preparações anatômicas reais em comparação ao treinamento do zero ou pré-treinamento com ImageNet.
  • Acurácia: Aumentou em 11 pontos percentuais (de ~79% para 90,45%) usando a abordagem específica de visão de câmera com aumentação de tamanho.
  • Acurácia Diagnóstica: Melhorou 3 pontos percentuais.
  • Testes de significância estatística (teste de permutação pareada) confirmaram que a redução no Erro Absoluto Médio (MAE) foi significativa ($p = 0,0049$).
• Transferência para Dados Clínicos: O pré-treinamento em dados sintéticos também melhorou o desempenho no dataset clínico de mundo real fracamente rotulado em comparação ao treinamento do zero.
  • Acurácia de Margem de Pose: Melhorou aproximadamente 8 pontos percentuais.
  • Acurácia: Melhorou em ~4 pontos percentuais.
  • A significância estatística foi confirmada ($p = 0,0020$).
• Probing Linear: As características aprendidas do pré-treinamento sintético renderam melhor desempenho no probing linear do que inicialização aleatória ou pré-treinamento com ImageNet, confirmando a utilidade das características aprendidas.

Significância e Alegações

O artigo afirma que o framework proposto resolve com sucesso o gargalo de aquisição de dados para a avaliação da pose do paciente, aproveitando exames de TC existentes para gerar dados de treinamento sintéticos de grande escala e realistas. A principal significância reside em demonstrar que:

1. Transferência Sintético-para-Real: As características aprendidas de imagens de profundidade sintéticas baseadas em TC são altamente transferíveis para imagens de profundidade do mundo real, aumentando significativamente a acurácia da avaliação da qualidade diagnóstica sem exigir nova exposição à radiação.
2. Escalabilidade Clínica: A abordagem permite a geração de diversas poses, incluindo poses não diagnósticas, que são eticamente difíceis de capturar em pacientes reais.
3. Impacto Prático: Ao permitir a avaliação da pose pré-exame de forma precisa, o método tem o potencial de reduzir as repetições de radiografias, diminuindo assim a exposição do paciente à radiação e os custos hospitalares.

Os autores observam limitações, incluindo a restrição à articulação do tornozelo superior, o uso de uma única configuração de sala de raio-X e a dependência de rótulos fracos para o dataset clínico. Eles enfatizam que, embora o framework seja escalável e adaptável, trabalhos futuros são necessários para validar a abordagem em diferentes anatomias e ambientes clínicos.