💻 computer science

NeviUNet: An Efficient Attention-Enhanced Network for Skin Lesion Segmentation in Total Body Images

NeviUNet é uma variante de U-Net eficiente e com atenção aprimorada que alcança uma segmentação de lesões cutâneas precisa e de baixa latência em imagens de corpo inteiro ao integrar ativação Mish, Portões de Atenção (Attention Gates) e blocos SE, enquanto omite componentes computacionalmente caros.

Autores originais: Karolina Dzwonkowska, Piotr Marcin Szczypiński

Publicado 2026-09-08

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Karolina Dzwonkowska, Piotr Marcin Szczypiński

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A pele humana é uma paisagem vasta e complexa, servindo tanto como um escudo protetor quanto como um espelho da nossa saúde interna. Dentro desta paisagem, manchas pigmentadas conhecidas como sinais são comuns, mas algumas podem mudar de formas que sinalizam uma ameaça séria, como o melanoma. Como essas mudanças podem ser sutis e ocorrer ao longo de anos, os médicos dependem de um monitoramento de longo prazo, muitas vezes utilizando câmeras de alta resolução para fotografar todo o corpo de todos os ângulos. Isso cria uma quantidade massiva de dados visuais, mas para que um computador possa ajudar um médico, ele deve primeiro aprender a encontrar e delinear esses pontos específicos contra o fundo da pele normal. Esse processo, chamado segmentação, é difícil porque as manchas podem parecer muito diferentes umas das outras, às vezes se misturando à pele, e são frequentemente cercadas por características de distração, como pelos ou iluminação irregular.

Por anos, cientistas tentaram ensinar computadores a realizar este trabalho usando o aprendizado profundo (deep learning), um tipo de inteligência artificial que imita a maneira como o cérebro humano processa imagens. A ferramenta mais popular para este trabalho tem sido uma arquitetura de computador específica conhecida como U-Net, que atua como um sofisticado mapeador, dando zoom para ver detalhes finos e dando zoom para fora para entender o quadro geral. No entanto, um problema persistente surgiu: os modelos de computador mais precisos são frequentemente tão pesados e complexos que rodam muito lentamente para serem úteis em uma clínica real, enquanto os modelos mais rápidos são frequentemente simples demais para encontrar os pontos complicados com precisão. Pesquisadores da Universidade Tecnológica de Łódź, na Polônia, buscaram resolver esse dilema específico criando um novo sistema que seja simultaneamente nítido o suficiente para ver os detalhes e leve o suficiente para rodar rapidamente em equipamentos médicos padrão.

A equipe desenvolveu um novo modelo de computador que nomearam NeviUNet, projetado especificamente para analisar imagens capturadas por um scanner de corpo inteiro protótipo chamado Dermo Studio. Este scanner captura quarenta imagens de alta resolução do corpo de um paciente enquanto ele rotaciona, criando um registro digital completo de sua pele. Para ensinar seu novo modelo, os pesquisadores reuniram uma coleção dessas imagens e fizeram com que um especialista em pele desenhasse manualmente contornos precisos ao redor dos sinais em cada foto. Como as imagens são tão grandes e detalhadas, o computador não consegue processá-las todas de uma vez, então a equipe as dividiu em quadrados menores e gerenciáveis. Eles então treinaram sua IA para olhar para esses quadrados e decidir quais pixels pertenciam a um sinal e quais pertenciam à pele normal.

Os pesquisadores enfrentaram um obstáculo significativo: nestas fotos de corpo inteiro, os sinais reais cobrem apenas uma fração minúscula da imagem, enquanto o restante é apenas pele. Esse desequilíbrio torna muito fácil para um computador priorizar a classe majoritária e presumir que tudo é apenas o fundo da pele, efetivamente ignorando os sinais por completo. Para evitar isso, a equipe projetou seu modelo com um foco especial nas partes raras e importantes da imagem. Eles construíram o sistema usando uma versão simplificada da estrutura U-Net, mas adicionaram atualizações específicas e direcionadas. Incluíram um mecanismo que ajuda o computador a prestar atenção às características mais relevantes e uma abordagem matemática especial que penaliza pesadamente o computador se ele perder um sinal, forçando-o a ser mais cuidadoso. Crucialmente, eles deliberadamente deixaram de fora alguns dos componentes pesados e complexos encontrados em outros modelos avançados que são conhecidos por retardar as coisas sem necessariamente adicionar valor suficiente para esta tarefa específica.

Quando testaram sua criação, os resultados foram claros. O novo modelo NeviUNet identificou e delineou os sinais com um alto grau de precisão, superando significativamente tanto os modelos básicos e antigos quanto os modelos muito mais pesados e complexos que haviam sido testados anteriormente. Enquanto os modelos mais pesados lutavam para rodar suavemente e frequentemente produziam resultados inconsistentes, o novo modelo foi capaz de processar as imagens de forma rápida e confiável. De fato, o sistema foi rápido o suficiente para analisar os milhares de quadrados de imagem gerados por um único escaneamento corporal em um intervalo de tempo que corresponde à velocidade do próprio scanner. Isso significa que, em uma clínica do mundo real, um médico poderia potencialmente ver a análise do computador de todo o corpo de um paciente quase imediatamente após o término do escaneamento, sem esperar por tempos de processamento lentos.

O estudo também revelou algo importante sobre como esses modelos de computador devem ser construídos. Os pesquisadores descobriram que simplesmente tornar um modelo maior ou adicionar camadas mais complexas não o torna automaticamente melhor. Em seus testes, os modelos mais complexos disponíveis na verdade performaram pior do que o seu design mais leve, provavelmente porque eram complicados demais para aprender efetivamente a partir da quantidade limitada de dados de treinamento que possuíam. O sucesso do NeviUNet sugere que o melhor caminho a seguir não é construir o maior cérebro de computador possível, mas sim construir um mais inteligente e eficiente, que seja cuidadosamente ajustado para o trabalho específico que precisa realizar. Ao equilibrar precisão com velocidade, esta nova abordagem oferece uma maneira prática de trazer a inteligência artificial avançada para a prática diária da detecção do câncer de pele, tornando possível monitorar pacientes de forma mais eficaz e detectar mudanças perigosas mais cedo.

Resumo Técnico: NeviUNet para Segmentação de Lesões Cutâneas em Imagens de Corpo Total

Declaração do Problema
O artigo aborda o desafio de realizar a segmentação automatizada, eficiente e precisa de lesões cutâneas em fotografias de corpo total adquiridas sob condições clínicas. Embora o aprendizado profundo, particularmente as arquiteturas U-Net, tenha avançado na segmentação de lesões cutâneas, existe um compromisso crítico entre a precisão preditiva e a eficiência computacional. Modelos altamente complexos como o ResUNet++ frequentemente alcançam um desempenho robusto, mas incorrem em altos custos computacionais, tornando-os inadequados para ambientes clínicos de recursos limitados ou em tempo real. Além disso, as imagens de corpo total apresentam dificuldades únicas, incluindo desequilíbrio severo de classes (onde as lesões ocupam uma pequena fração da área da imagem), baixo contraste, bordas irregulares e artefatos como pelos. As soluções existentes frequentemente falham em equilibrar a necessidade de análise de alta resolução com os rigorosos requisitos de latência para implantação clínica, onde a segmentação deve ocorrer rapidamente durante ou imediatamente após um escaneamento.

Metodologia
O estudo propõe o NeviUNet, uma arquitetura U-Net modificada projetada para preencher a lacuna entre a U-Net base leve e o ResUNet++ computacionalmente pesado.

Conjunto de Dados e Pré-processamento: O modelo foi treinado em um conjunto de dados derivado de um protótipo de scanner de corpo total "Dermo Studio", que captura imagens de alta resolução (20 MP) de toda a superfície da pele a partir de múltiplos ângulos. Devido à natureza trabalhosa da anotação manual por especialistas em dermatologia, o conjunto de dados foi limitado a 29 imagens de alta resolução de cinco pacientes. Para gerenciar as restrições de memória da GPU, as imagens foram decompostas em patches de 512×512 pixels com 12,5% de sobreposição. Uma etapa significativa de pré-processamento envolveu a remoção de 85% dos patches contendo apenas o fundo para mitigar o severo desequilíbrio de classes. Os dados foram divididos de modo que os dados de um paciente servissem como um conjunto de teste independente, enquanto os dados restantes foram divididos em conjuntos de treinamento (80%) e validação (20%).
Design da Arquitetura: O NeviUNet mantém a estrutura codificador-decodificador da U-Net, mas incorpora melhorias específicas inspiradas no ResUNet++, omitindo componentes computacionalmente caros:
- Codificador: Consiste em quatro níveis com filtros aumentando de 16 para 128. Utiliza duas camadas convolucionais de 3×3 por nível, seguidas por Normalização de Lote (Batch Normalization) e a função de ativação Mish (escolhida por melhorar a propagação do gradiente em relação à ReLU).
- Mecanismos de Atenção: A arquitetura integra blocos Squeeze-and-Excitation (SE) após cada estágio do codificador e na camada de gargalo (bottleneck) para realizar atenção por canal. Além disso, Portões de Atenção (Attention Gates) são aplicados antes das conexões de salto (skip connections) para filtrar as características do codificador e suprimir o ruído de fundo.
- Omissões: Para manter a eficiência, o modelo omite explicitamente as conexões residuais e o módulo Atrous Spatial Pyramid Pooling (ASPP), ambos presentes no ResUNet++, que contribuem significativamente para a carga computacional.
- Decodificador: Utiliza convoluções transpostas para o upsampling (consistente com a U-Net), em vez do upsampling bilinear encontrado no ResUNet++.
Função de Perda: Para lidar com o desequilíbrio de classes e melhorar a delineação de bordas, foi empregada uma função de perda composta, combinando Focal Tversky Loss e Entropia Cruzada Binária (BCE). O componente Focal Tversky penaliza pesadamente os falsos negativos (usando parâmetros $\alpha=0,8, \beta=0,2$ ) e foca a otimização em pixels de baixa confiança através de um parâmetro focal $\gamma$ .
Treinamento: O modelo foi treinado usando o otimizador AdamW com interrupção precoce (early stopping) baseada nos escores de Dice-Sørensen de validação.

Resultos Principais
A abordagem proposta foi avaliada contra uma U-Net base e um ResUNet++ em um conjunto de teste independente usando o Coeficiente de Dice-Sørensen (DSC) como métrica primária.

Desempenho: O NeviUNet alcançou um DSC médio de 0,729, superando significativamente a melhor configuração do ResUNet++ (0,531) e a U-Net base (que falhou em detectar as lesões, resultando em um DSC próximo de zero). O modelo proposto também demonstrou menor variância de desempenho em comparação ao ResUNet++.
Eficiência Computacional: O NeviUNet manteve uma estrutura leve com aproximadamente 1,98 milhão de parâmetros treináveis, comparável à U-Net base (1,94 milhão) e significativamente inferior ao ResUNet++ (4,06 milhões).
Latência de Inferência: O NeviUNet alcançou uma latência de inferência de aproximadamente 32 ms para um tamanho de lote (batch size) de 8 com alta estabilidade. Em contraste, o ResUNet++ exibiu latência superior a 200 ms com alta variância sob as mesmas condições. A U-Net base era mais rápida, porém falhou na precisão.
Velocidade de Treinamento: O NeviUNet completou o treinamento em 24 minutos (78 épocas), enquanto o ResUNet++ exigiu 83 minutos (51 épocas).

Significância e Alegações
O artigo afirma que o NeviUNet demonstra com sucesso que uma alta precisão de segmentação em cenários desafiadores de imagem de corpo total não requer o aumento da complexidade do modelo ou da contagem de parâmetros. Ao integrar seletivamente mecanismos de atenção (blocos SE, Portões de Atenção) e a função de ativação Mish, enquanto remove módulos de ASPP e residuais computacionalmente intensivos, os autores alcançaram um modelo que é simultaneamente preciso e eficiente.

A significância deste trabalho reside em sua adequação para a implantação clínica em tempo real. A velocidade de inferência (aproximadamente 32 ms para um lote de 8 patches) e os baixos requisitos de hardware tornam o Nevi-UNet viável para integração em sistemas de imagem de pele de corpo total automatizados, como o scanner Dermo Studio. Os autores enfatizam que sua abordagem oferece uma solução prática para o monitoramento longitudinal de nevos melanocíticos, permitindo a detecção e o rastreamento confiáveis de lesões sem os custos computacionais proibitivos associados às arquiteturas pesadas de última geração. O estudo conclui que a adaptação arquitetônica às restrições específicas da aplicação é mais eficaz do que simplesmente escalar a capacidade do modelo.

Mais como este