DMPB-Net: A Mamba-Driven Semi-Supervised Network for Precise Breast Ultrasound Lesion Segmentation

Resumo Técnico: DMPB-Net para Segmentação de Lesões em Ultrassonografia de Mama

Declaração do Problema
A segmentação precisa de lesões mamárias em imagens de ultrassonografia (BUS) é crítica para o diagnóstico precoce do câncer, mas permanece dificultada por desafios clínicos e técnicos significativos. Clinicamente, a aquisição de anotações ao nível de pixel é laboriosa e exige especialização, criando um gargalo para modelos de aprendizado profundo totalmente supervisionados. Tecnicamente, as imagens de BUS sofrem com artefatos físicos inerentes, incluindo ruído de speckle, sombras acústicas e bordas borradas, o que complica a distinção entre a lesão e o fundo. Além disso, as Redes Neurais Convolucionais (CNNs) convencionais frequentemente têm dificuldade em capturar dependências espaciais de longo alcance devido aos campos receptivos limitados, enquanto os atuais frameworks de aprendizado semisupervisionado (SSL) frequentemente falham em desacoplar efetivamente as características da lesão de fundos ruidosos ou em lidar de forma robusta com o ruído de pseudo-rótulos próximos a fronteiras tumorais ambíguas.

Metodologia: DMPB-Net
Os autores propõem o DMPB-Net, um novo framework semisupervisionado projetado para abordar essas limitações através de uma arquitetura encoder-decoder baseada em Mamba, aprimorada com módulos específicos para desacoplamento semântico, alinhamento de protótipos e refinamento iterativo de bordas.

1. Encoder Baseado em Mamba com Desacoplamento Semântico (SD):

   • Em vez de CNNs padrão, a espinha dorsal utiliza um encoder inspirado em Mamba baseado em Modelos de Espaço de Estados (SSM). Isso permite a modelagem de contexto global com complexidade computacional linear, superando a complexidade quadrática dos Transformers e os campos receptivos limitados das CNNs.
   • Para mitigar a interferência específica do ultrassom, um módulo de Desacoplamento Semântico (SD) é integrado. Ele emprega projeção ortogonal para separar as características latentes em componentes específicos do tumor ($f_{ts}$) e dominantes do fundo ($f_{bg}$). Um constrangimento de desacoplamento minimiza a informação mútua entre esses componentes, garantindo que o modelo foque na morfologia da lesão enquanto suprime o ruído de speckle e as sombras.

2. Atenção de Protótipo Classificada por Confiança (CR-PA):

   • Para reduzir a lacuna de distribuição entre dados rotulados e não rotulados sem depender de pseudo-rótulos ruidosos ao nível de pixel, o framework introduz o CR-PA.
   • Este módulo gera protótipos de classe (embeddings representativos para o fundo e para a lesão) filtrando as características não rotuladas com base na confiança da predição. Apenas pixels de alta confiança são usados para calcular a média ponderada dos protótipos.
   • Esses "Protótipos Confiáveis" servem como âncoras globais. Um mecanismo de atenção cross-imagem alinha as características locais das amostras não rotuladas com esses protótipos confiáveis, impondo consistência semântica e facilitando a transferência de conhecimento robusta no espaço latente semisupervisionado.

3. Refinamento Iterativo de Fronteira (BIR):

   • Abordando a questão da ambiguidade de borda, o estágio BIR reformula a otimização da máscara como um processo de denoising generativo inspirado em modelos de difusão.
   • Partindo de uma máscara inicial grosseira, o módulo aplica iterativamente uma rede de refinamento residual leve. Esta rede trata a predição inicial como um estado "ruidoso" e "esculpe" progressivamente contornos nítidos e anatomicamente precisos através de correções residuais sucessivas, filtrando efetivamente o ruído de pseudo-rótulo e artefatos.

4. Função de Perda Composta:

   • O framework é otimizado usando uma perda composta que compreende:
     • Perda de Consistência ($L_{con}$): Impõe a invariância de predição entre as redes estudante e professor sob perturbações.
     • Perda de Fronteira de Conjunto Rugoso Difuso ($L_{FRSB}$): Modela explicitamente a incerteza da borda ao penalizar pixels na zona de fronteira "vaga", incentivando transições mais nítidas.
     • Perda Contrastiva de Similaridade Estrutural ($L_{SSC}$): Preserva a integridade topológica global ao maximizar a similaridade estrutural (SSIM) entre os patches da máscara alvo e a prevista, enquanto minimiza a semelhança com regiões não-alvo.

Principais Contribuições
O artigo descreve quatro contribuições primárias:

1. Design do Framework: A proposta do DMPB-Net, que combina um encoder inspirado em Mamba para modelagem eficiente de dependências de longo alcance com um mecanismo de desacoplamento semântico para isolar características de lesão de fundos sonográficos complexos.
2. Módulo CR-PA: A introdução de um mecanismo de Atenção de Protótipo Classificada por Confiança que classifica dinamicamente as características ao nível de pixel para gerar protótipos de classe representativos, garantindo um alinhamento semântico robusto entre dados rotulados e não rotulados sob supervisão limitada.
3. Estágio BIR: O design de um estágio de Refinamento Iterativo de Fronteira que trata a otimização da máscara como um processo de denoising generativo para aguçar contornos ambíguos, supervisionado por uma estratégia de perda composta ($L_{FRSB}$ e $L_{SSC}$) que modela a incerteza da borda e a integridade estrutural global.
4. Desempenho: Demonstração de desempenho de estado da arte em dois conjuntos de dados de referência (BUSI e UDIAT), superando consistentemente métodos competitivos em várias razões de anotação (1/2, 1/4, 1/8).

Resultados Experimentais
Experimentos extensivos foram conduzidos nos conjuntos de dados BUSI e UDIAT.

• Dataset BUSI: Sob uma razão de dados rotulados de 1/2, o DMPB-Net alcançou um Dice score de 83,20% e um IoU de 71,74%, superando métodos de estado da arte como Hermes (81,65% Dice) e SDC-Net (81,18% Dice). Mesmo com apenas 1/8 de dados rotulados, manteve um Dice score de 77,34%, mostrando robustez superior em comparação com outros modelos.
• Dataset UDIAT: O método alcançou um Dice score de 91,51% e um IoU de 83,34% com 1/2 de dados rotulados, estabelecendo um novo benchmark. Manteve um alto Dice score de 89,54% mesmo com 1/8 de dados rotulados.
• Estudos de Ablação: Os resultados confirmaram que cada componente (SD, CR-PA, BIR) contribui positivamente para o desempenho. O módulo de Desacoplamento Semântico proporcionou o aumento inicial mais significativo (aumentando o Dice de BUSI de 78,46% para 81,94%), enquanto a integração total de todos os módulos resultou na maior precisão e menores desvios padrão.
• Análise Qualitativa: Comparações visuais demonstraram que o DMPB-Net produz bordas mais nítidas e precisas e lida melhor com tumores infiltrativos de morfologias irregulares em comparação com métodos que frequentemente sofrem de sobre-segmentação ou sub-segmentação.

Significância e Alegações
O artigo afirma que o DMPB-Net fornece uma solução confiável e eficiente para o diagnóstico auxiliado por computador do câncer de mama, particularmente em cenários onde os dados rotulados são escassos. Ao integrar modelagem de contexto global (Mamba), supressão de artefatos (SD), alinhamento semântico robusto (CR-PA) e refinamento de borda generativo (BIR), o framework aborda os desafios específicos de baixo contraste, ambiguidade de borda e ruído inerentes à imagem de ultrassonografia de mama. Os autores postulam que esta abordagem tem potencial significativo para reduzir a carga de trabalho dos radiologistas e melhorar a precisão do diagnóstico clínico ao oferecer evidências de segmentação objetivas e reproduzíveis. O trabalho é apresentado como um avanço no aprendizado semisupervisionado de imagens médicas, indo além dos métodos padrão baseados em consistência para incorporar refinamento generativo e modelagem de espaço de estados.