Artifact-Aware Lightweight Dermoscopic Lesion Segmentation with Reproducible Corruption Robustness Evaluation

Enunciado do Problema

A segmentação automatizada de lesões dermoscópicas é fundamental para a análise de câncer de pele auxiliada por computador. Embora modelos leves sejam essenciais para implantação em dispositivos móveis e de cuidados descentralizados (point-of-care), eles frequentemente exibem instabilidade quando as imagens contêm artefatos de aquisição, como pelos terminais, reflexos especulares, linhas da pele e bolhas de ar. Esses artefatos introduzem estruturas de alta frequência, saturação local e oclusões parciais que podem ser confundidas com as bordas das lesões. As redes de segmentação leves existentes tipicamente otimizam para eficiência e precisão em imagens limpas, mas falham ao não modelar explicitamente regiões propensas a artefatos. Além disso, as avaliações padrão baseiam-se em imagens de validação limpas, que não refletem a confiabilidade sob degradações de aquisição do mundo real. Há uma carência de um benchmark fixo e reproduzível para comparar a robustez contra corrupções clinicamente plausíveis.

Metodologia

Os autores propõem o ARL-UNet, um framework de segmentação leve consciente de artefatos (artifact-aware), juntamente com um benchmark de corrupção reproduzível para avaliação de robustez.

1. Arquitetura ARL-UNet

A rede é projetada para estimar pistas de artefatos antes do subamostragem (downsampling) e utilizá-las para modular as conexões de salto (skip connections) de forma conservadora, em vez de remover regiões da imagem.

• Stem Consciente de Artefatos (AAS): Localizado no estágio de entrada, antes da subamostragem espacial, o AAS estima regiões propensas a artefatos usando uma abordagem de múltiplas pistas. Ele combina:
  • Pistas manuais (hand-crafted): Resposta Laplaciana (bordas de alta frequência), pista de região brilhante (regiões saturadas) e pista de região escura (estruturas semelhantes a pelos).
  • Pista aprendida: Um ramo leve utilizando convoluções separáveis em profundidade (DSConv) para capturar aparências complexas de artefatos.
  • Essas pistas são fundidas em um mapa de artefato ($A_0$) que é utilizado para a supressão suave residual do recurso do stem, permitindo que o modelo ative a supressão gradualmente durante o treinamento.
• Bloco de Codificador Robusto (REB): Para manter um orçamento de parâmetros leve enquanto captura contexto de múltipl de escalas, o codificador utiliza convoluções separáveis em profundidade com campos receptivos complementares (3×3 e 5×5 ou dilatada 3×3). Ele incorpora um mecanismo de portão de canal (estilo squeeze-and-excitation) para enfatizar adaptativamente canais informativos.
• Fusão de Salto Robusta Guiada por Máscara (MRSF): Este módulo aborda o problema das conexões de salto propagarem recursos superficiais contaminados para o decodificador. Ele funde os recursos de salto do codificador com os recursos do decodificador usando:
  • Guia Semântica: Uma máscara de lesão grosseira prevista por uma cabeça auxiliar.
  • Guia de Artefato: O mapa de artefato redimensionado proveniente do AAS.
  • Mecanismo: Aplica um fator de supressão suave conservador para atenuar as respostas em regiões propensas a artefatos, enquanto as amplifica em regiões consistentes com a lesão. A força da supressão é treinável e limitada para evitar a supressão excessiva das bordas reais da lesão.
• Supervisão Profunda: Cabeças de predição auxiliares são anexadas a múltiplos estágios do decodificador para fornecer supervisão de gradiente e servir como guia semântico para o módulo MRSF.

2. Benchmark de Corrupção Reproduzível

Para avaliar a robustez além de imagens limpas, os autores construíram um benchmark a partir das divisões de validação fixas do ISIC 2017 e ISIC 2018.

• Design: O benchmark gera imagens corrompidas offline usando sementes determinísticas, garantindo a reprodutibilidade. As máscaras de verdade fundamental (ground-truth) permanecem inalteradas.
• Artefatos: Quatro categorias clinicamente relevantes são sintetizadas em dois níveis de severidade (moderada-leve e forte, porém plausível):
  1. Pelo Terminal: Estruturas escuras, finas e curvilíneas.
  2. Reflexo Especular: Regiões de reflexo brilhantes e saturadas.
  3. Bolha de Ar: Oclusões circulares/elípticas semitransparentes.
  4. Linha da Pele: Padrões lineares finos e de baixo contraste.
• Metadados: O benchmark registra o tipo de artefato, severidade, parâmetros de geração e razões de sobreposição para suportar uma análise controlada.

3. Estratégias de Treinamento

O estudo compara três regimes de treinamento:

• T0 (Apenas Limpo): Treinamento padrão sem artefatos sintéticos.
• T1 (Aumentação Direta): Injeção aleatória de artefatos sintéticos durante todo o treinamento.
• T2 (Aprendizado por Currículo): Uma abordagem em estágios começando com treinamento apenas de imagens limpas, seguido pela introdução progressiva de artefatos (começando com a Severidade 1, depois a Severidade 2).

Principais Contribuições

1. Framework: Um novo framework de segmentação leve consciente de artefatos (ARL-UNet) que integra estimativa precoce de pistas de artefatos, codificação robusta eficiente e fusão de salto guiada por máscara para reduzir a propagação de recursos contaminados por artefatos.
2. Benchmark: Um benchmark de dermoscopia corrompido e reproduzível com quatro categorias de artefatos clinicamente relevantes e dois níveis de severidade, fornecendo um protocolo padronizado para avaliar a robustez além dos testes convencionais de imagens limpas.
3. Análise Sistemática: Um estudo abrangente de estratégias de treinamento conscientes de artefatos (apenas limpo, aumentação direta e aprendizado por currículo) e seu impacto na precisão do domínio limpo, robustez do domínio corrompido e transferência zero-shot.

Resultos Experimentais

Experimentos foram conduzidos nos conjuntos de dados ISIC 2017, ISIC 2018 e PH2 (para avaliação zero-shot).

• Desempenho no Domínio Limpo: O ARL-UNet alcançou resultados competitivos de estado da arte nos benchmarks limpos ISIC 2017 e 2018, superando baselines como o EMA-UNet em mIoU, Dice e HD95, mantendo uma contagem de parâmetros leve (~0,147M de parâmetros).
• Robustez em Benchmarks Corrompidos:
  • Sob T0 (Treinamento apenas de imagens limpas), o ARL-UNet demonstrou uma robustez inerente superior em comparação aos baselines, indicando que a própria arquitetura mitiga a sensibilidade a artefatos.
  • Sob T2 (Aprendizado por Currículo), o modelo alcançou a maior robustez, particularmente sob corrupções de Severidade 2. Ele mostrou ganhos significativos de mIoU sobre os baselines (ex: +1,29 pontos sobre o EMA-UNet no ISIC 2017 Severidade 2).
  • O modelo teve o melhor desempenho em corrupções de pelos e linhas da pele, que são desafiadoras devido às suas estruturas semelhantes a bordas.
• Transferência Zero-Shot: Modelos treinados em conjuntos de dados ISIC e testados diretamente no PH2 sem ajuste fino mostraram que o ARL-Unet (especialmente com treinamento de currículo) generaliza melhor que os baselines, alcançando maior mIoU e menor HD95.
• Estudos de Ablação:
  • A remoção dos módulos AAS ou MRSF resultou em quedas significativas no desempenho do domínio corrompido, confirmando seu papel crítico no tratamento de artefatos.
  • O treinamento por currículo mostrou-se superior à aumentação direta, pois preservou a precisão do domínio limpo enquanto melhorava a robustez a corrupções severas.

Significância e Alegações

O artigo afirma fornecer um framework de segmentação leve e um protocolo de avaliação reutilizável especificamente projetados para estudar a robustez de artefatos na segmentação de imagens dermoscópicas.

• Reproduzibilidade: O trabalho enfatiza a criação de um benchmark fixo e reproduzível que permite a comparação controlada da degradação específica por artefato, abordando uma lacuna na literatura atual onde a robustez é frequentemente avaliada em conjuntos de dados descontrolados ou mistos.
• Insight Arquitetural: O estudo demonstra que modelar explicitamente regiões propensas a artefatos e usar fusão de salto conservadora é mais eficaz do que simplesmente remover artefatos ou depender de aumentação de dados padrão.
• Praticidade: O framework é projetado para ambientes com recursos limitados (móvel/cuidados descentralizados) mantendo alta precisão.
• Limitações e Trabalhos Futuros: Os autores observam modestamente que o benchmark depende de artefatos sintéticos e não deve substituir a validação clínica real. Eles reconhecem que artefatos adquiridos naturalmente podem ser mais complexos e mistos. Trabalhos futuros são propostos para estender o benchmark com anotações de artefatos reais e conjuntos de dados multicêntricos para avaliar a generalização prática.

Em resumo, o artigo argumenta que, para que a segmentação dermoscópica leve seja confiável em ambientes clínicos, os modelos devem ser avaliados sob condições de artefatos específicos e reproduzíveis, e que mecanismos arquiteturais para lidar com esses artefatos são tão importantes quanto a própria tarefa de segmentação.