From Reconstruction to Interpretation: Zero-Setup Multi-Phase Segmentation of X-ray Tomography Data

Resumo Técnico: Da Reconstrução à Interpretação: Segmentação Multifásica de Configuração Zero para Dados de Tomografia de Raios X

Definição do Problema
A tomografia de raios X, particularmente a micro-CT baseada em síncrotron, permite a caracterização não destrutiva de materiais em diversos campos, como geociências e ciência dos materiais. Embora os avanços nos pipelines de aquisição e reconstrução tenham acelerado a geração de dados, a análise subsequente continua sendo um gargalo crítico. A segmentação tradicional depende de limiarização manual, comandos do usuário ou treinamento de modelos específicos para cada material — processos que são demorados e que frequentemente falham em generalizar para diferentes condições experimentais (ex.: iluminação irregular, artefatos de reconstrução ou ruído). Consequentemente, a análise completa pode levar meses, e experimentos in-situ sofrem com o feedback atrasado, onde falhas só são detectadas semanas após a coleta de dados. Há uma necessidade premente de uma solução de segmentação que opere imediatamente após a reconstrução, sem exigir intervenção do usuário, anotações específicas do conjunto de dados ou retreinamento, permitindo diagnósticos experimentais em tempo quase real.

Metodologia
Os autores propõem um framework de implantação de "configuração zero" projetado para gerar máscaras semânticas multifásicas e interpretáveis para conjuntos de dados de tomografia previamente não vistos, imediatamente após a reconstrução da imagem. A metodologia compreende quatro componentes principais:

1. Preparação de Máscara Agnóstica ao Material: Em vez de treinar para rótulos de materiais específicos (ex.: "quartzo" ou "feldspato"), o framework decompõe os dados tomográficos em seis regiões semânticas amplamente ocorrentes e fisicamente interpretáveis:

   • Background (Fundo): Espaço vazio ao redor da amostra.
   • Sample (Amostra): O volume total do material.
   • Bright (Brilhante): Regiões de maior intensidade.
   • Light Gray (Cinza Claro): Regiões de intensidade intermediária.
   • Dark Gray (Cinza Escuro): Regiões de menor intensidade dentro da amostra.
   • Porosity (Porosidade): Poros ou rachaduras que compartilham a intensidade com o fundo.
     As máscaras de verdade fundamental (ground-truth) para essas classes foram geradas usando o software Dragonfly em 25 fatias anotadas de cinco sistemas de materiais distintos (ligas de alumínio, dolomita, xisto, basalto).

2. Amostragem Consciente de Classe: Para abordar o severo desequilíbrio de classes onde os pixels de fundo dominam os dados de micro-CT, os autores empregam uma estratégia de recorte consciente de classe (class-aware cropping). Durante o treinamento, o sistema extrai seletivamente patches de 1024x1024 que contêm pelo menos uma classe que não seja o fundo, garantindo que estruturas minoritárias (como porosidade ou inclusões brilhantes) contribuam efetivamente para as atualizações de gradiente, em vez de serem sobrecarregadas por patches compostos apenas pelo fundo.

3. Arquitetura de Rede: O framework utiliza uma arquitetura ConvNeXt-UNet. Este modelo combina uma topologia U-Net simétrica com um backbone ConvNeXt-Tiny, que incorpora inovações de visão transformadora (kernels grandes de 7x7, Normalização de Camada, inverted bottlenecks) em um framework convolucional. O cabeçalho de saída consiste em uma convolução 1x1 produzindo seis canais binários (segmentação multilabel) em vez de um único rótulo categórico. Esta abordagem multilabel permite regiões de materiais sobrepostas e fronteiras ambíguas, garantindo que, mesmo que uma classe seja classificada incorretamente, outras máscaras estruturais permaneçam informativas.

4. Estratégia de Treinamento: O modelo é inicializado com pesos pré-treinados no ImageNet-1K e treinado usando perda de Entropia Cruzada Binária (BCE) com Logits. Para mitigar ainda mais o desequilíbrio de classes, aplica-se o Equilíbrio de Frequência Mediana (Median Frequency Balancing), atribuindo pesos maiores às classes raras (ex.: porosidade) com base em sua frequência de pixels empírica. O treinamento incorpora o jittering de percentil dinâmico para normalização, visando garantir robustez contra variações nas condições de contraste entre diferentes linhas de luz (beamlines).

Resultos Principais
O framework foi avaliado em dados de teste retidos de núcleos de rocha (xisto, dolomita, basalto) e ligas de alumínio, que exibiram diferenças substanciais na oposição de fase e textura microestrutural em comparação com o conjunto de treinamento.

• Desempenho: A proposta ConvNeXt-UNet alcançou uma acurácia global de 0,995 e um F1 macro de 0,992 através das seis categorias semânticas.
• Generalização: O modelo gerou segmentações consistentes e fisicamente significativas em conjuntos de dados não vistos sem retreinamento, preservando a informação estrutural mesmo quando fases de materiais específicos não estavam presentes nos dados de treinamento.
• Comparação com Baselines:
  • Comparação de Arquitetura: A ConvNeXt-UNet superou a ResNeXt-FPN (F1: 0,991) e um modelo transformador baseado em DINOv2 (F1: 0,978), demonstrando superioridade na preservação de bordas e retenção de detalhes finos.
  • Comparação com Limiarização: Em uma fatia representativa de basalto, o framework proposto superou significativamente a limiarização de intensidade convencional baseada em histograma manual. A ConvNeXt-UNet alcançou um F1 macro de 0,941 comparado a 0,667 para a limiarização manual. A melhoria foi mais pronunciada para a detecção de porosidade, onde o modelo alcançou um F1 de 0,845 versus 0,182 para os métodos manuais.

Significância e Alegações
Os autores posicionam este trabalho não como um substituto para modelos de segmentação de alta precisão e específicos para aplicações, mas como uma fundação prática para análise rápida de nível diagnóstico. A principal significância reside em preencher a lacuna entre a aquisição de dados de alta velocidade e a interpretação científica imediata.

• Implantação de Configuração Zero: O framework permite que usuários de linhas de luz avaliem a qualidade da amostra, identifiquem falhas de varredura e avaliem resultados experimentais minutos após a reconstrução, sem exigir comandos do usuário ou treinamento adicional.
• Feedback Acionável: Ao fornecer máscaras interpretáveis e imediatas de conceitos estruturais (porosidade, variações de densidade), o sistema permite que pesquisadores tomem decisões informadas sobre continuar, repetir ou modificar parâmetros experimentais durante experimentos contínuos em linhas de luz.
• Escalabilidade: A abordagem demonstra que um único modelo treinado em um pequeno conjunto de dados curados de 25 fatias pode generalizar para diversos sistemas de materiais e condições de imagem, oferecendo um caminho escalável para fluxos de trabalho de imagem científica assistida por IA.

O artigo conclui que este framework reduz substancialmente o esforço manual associado à análise de tomografia e melhora a utilização do tempo de feixe (beamtime) ao facilitar o feedback em tempo quase real, servindo como um ponto de partida que pode ser refinado manualmente ou usado para o ajuste fino de modelos especializados quando uma maior precisão é necessária.