💻 computer science

WaveInvNet: A Wavelet-Separated Dynamic Involution Network for Multimodal Skin Lesion Classification

Este artigo propõe o WaveInvNet, uma arquitetura de aprendizado profundo multimodal leve que integra imagens dermoscópicas com metadados do paciente por meio de um novo bloco de Involução Dinâmica Separada por Wavelet para capturar adaptativamente características heterogêneas de lesões, alcançando o estado da arte em classificação de lesões cutâneas no conjunto de dados HAM10000.

Autores originais: Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

Publicado 2026-09-23

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

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

O câncer de pele é um desafio global implacável, com milhões de novos casos diagnosticados todos os anos. Entre estes, o melanoma é particularmente perigoso porque pode se espalhar rapidamente para outras partes do corpo, tornando a detecção precoce uma questão de vida ou morte. Por décadas, os médicos têm dependido da dermatoscopia, uma técnica que utiliza uma ferramenta de ampliação especializada para examinar lesões cutâneas em detalhes. No entanto, esse processo depende fortemente da experiência do clínico e, mesmo especialistas, podem discordar sobre o que veem. Para ajudar, cientistas recorreram à inteligência artificial, ensinando computadores a reconhecer os padrões sutis de doenças em imagens médicas. Embora esses sistemas de computador tenham se tornado muito bons em detectar anormalidades, eles frequentemente lutam com a complexidade das lesões de pele. Os sistemas tradicionais tratam cada parte de uma imagem da mesma forma, usando um conjunto único e imutável de regras para escanear toda a imagem. Essa abordagem pode perder as texturas únicas do centro de uma lesão ou as bordas irregulares de sua margem, falhando em se adaptar aos detalhes específicos que distinguem um sinal inofensivo de um tumor perigoso.

Uma equipe de pesquisadores da Universidade Sidi Mohamed Ben Abdellah, em Marrocos, desenvolveu uma nova abordagem para resolver este problema, criando um sistema que chamam de WaveInvNet. Em vez de usar um método de tamanho único, seu sistema foi projetado para observar uma imagem de pele de duas maneiras diferentes simultaneamente: uma que captura a forma ampla e geral da lesão, e outra que foca nos detalhes finos e intrincados. Eles alcançaram isso usando uma técnica matemática conhecida como transformada de wavelet, que atua como um prisma para imagens, dividindo a informação visual em camadas separadas de estrutura e textura. Ao separar essas camadas, o computador pode analisar o panorama geral e os minúsculos detalhes de forma independente, garantindo que nenhum detalhe diagnóstico crítico seja perdido no processo.

Os pesquisadores construíram seu sistema em torno de um componente inovador que chamaram de bloco de Involução Dinâmica Separada por Wavelet (Wavelet-Separated Dynamic Involution). Em termos mais simples, este é uma unidade de processamento inteligente que aprende a ajustar seu próprio foco com base no que vê. Quando o sistema encontra uma área de pele lisa, aplica um conjunto de regras analíticas; quando encontra uma borda áspera e irregular, muda instantmente para um conjunto diferente de regras que são mais adequadas para aquela textura específica. Esse ajuste dinâmico permite que o computador seja muito mais sensível às características únicas de cada lesão. Além disso, o sistema não depende apenas da imagem. Ele também leva em conta informações do paciente, como idade, sexo e a localização da lesão no corpo. Ao combinar a análise visual com esses fatos clínicos, o sistema cria um quadro mais completo da condição do paciente antes de fazer um diagnóstico.

Para testar sua criação, os pesquisadores treinaram o sistema usando uma grande coleção de mais de 10.000 imagens de pele do conjunto de dados HAM10000, que inclui sete tipos diferentes de lesões cutâneas. Eles dividiram os dados de modo que o sistema aprendesse com a maioria das imagens e fosse então testado nas que nunca tinha visto antes. Os resultados foram impressionantes. O novo sistema identificou corretamente o tipo de lesão cutânea em 93,63% dos casos de teste, um desempenho que superou vários outros modelos de inteligência artificial bem conhecidos. Também alcançou uma pontuação de 98,46% em sua capacidade de distinguir entre diferentes classes de doenças, uma métrica conhecida como área sob a curva. Talvez o mais importante, o sistema alcançou esse alto nível de precisão utilizando significativamente menos recursos computacionais do que seus concorrentes. Ele exigiu apenas 2,54 milhões de configurações ajustáveis, o que é menos da metade do necessário para alguns dos outros modelos líderes, tornando-o uma ferramenta leve e eficiente para uso médico.

O estudo também revelou onde o sistema se destacou e onde ainda enfrentava desafios. Foi perfeito ao identificar certos tipos raros de lesões, como lesões vasculares e dermatofibromas, com zero erros no conjunto de teste. No entanto, ocasionalmente confundiu melanoma com sinais benignos, que são as duas categorias mais comuns e visualmente semelhantes. Essa confusão é uma dificuldade conhecida na área, já que as diferenças visuais entre um melanoma perigoso e um sinal inofensivo podem ser incrivelmente sutis. Apesar desses erros menores, o sistema demonstrou uma capacidade consistente de separar as diferentes classes de doenças, provando que seu método de dividir a imagem em componentes estruturais e detalhados funciona efetivamente. Os pesquisadores observaram que, embora o sistema tenha tido um bom desempenho neste conjunto de dados específico, trabalhos futuros precisariam testá-lo em uma variedade maior de imagens e condições clínicas para garantir que funcione de forma confiável em hospitais do mundo real.

Este trabalho representa um passo significativo na forma como a inteligência artificial pode auxiliar médicos no diagnóstico do câncer de pele. Ao se afastar de uma análise rígida e uniforme e abraçar um método que se adapta aos detalhes específicos de cada imagem, os pesquisadores mostraram que as máquinas podem aprender a ver as lesões de pele de forma mais semelhante aos especialistas humanos. A integração de dados do paciente com a análise visual fortalece ainda mais o diagnóstico, espelhando a maneira como um médico considera o paciente como um todo, e não apenas a mancha em sua pele. À medida que o fardo do câncer de pele continua a aumentar, ferramentas como o WaveInvNet oferecem um caminho promissor para um cuidado mais rápido, mais preciso e mais acessível, potencialmente salvando vidas ao detectar a doença mais cedo do que nunca.

Resumo Técnico: WaveInvNet

Definição do Problema
O artigo aborda a necessidade crítica de um diagnóstico precoce e preciso do câncer de pele para reduzir a mortalidade, particularmente para o melanoma. Embora o aprendizado profundo, especificamente as Redes Neurais Convolucionais (CNNs), tenha avançado na análise automatizada de imagens dermoscópicas, as arquiteturas convencionais enfrentam limitações. As CNNs padrão dependem de kernels compartilhados espacialmente que processam todas as regiões da imagem de forma uniforme, falhando em se adaptar às estruturas heterogêneas das lesões de pele (ex: centros e bordas variáveis e a pele circundante). Além disso, a extração de características convencional frequentemente processa informações estruturais e detalhes diagnósticos refinados conjuntamente, correndo o risco de perder padrões sutis durante o downsampling. Adicionalmente, conjuntos de dados de lesões de pele como o HAM10000 exibem um desequilíbrio significativo de classes, o que pode enviesar os modelos em direção às classes majoritárias.

Metodologia
Os autores propõem o WaveInvNet, uma arquitetura multimodal leve projetada para integrar imagens dermoscópicas com metadados do paciente (idade, sexo e localização anatômica). A inovação central reside no bloco de Involução Dinâmica Separada por Wavelets (WSDI), organizado dentro de um codificador hierárquico de quatro estágios.

Bloco de Involução Dinâmica Separada por Wavelets (WSDI):
- Decomposição de Wavelet Estacionária de Haar: Os mapas de características de entrada passam por uma transformada de wavelet de Haar estacionária. Isso separa os dados em um componente estrutural de baixa frequência ( $F_{LL}$ ) e três componentes de detalhe de alta frequência ( $F_{LH}, F_{HL}, F_{HH}$ ). Diferente das transformadas de wavelet discretas, este método preserva a resolução espacial original sem downsampling.
- Geração de Kernel Específica de Frequência: O bloco emprega geradores separados para estrutura, detalhe e gating.
  - O ramo estrutural utiliza a subbanda de baixa frequência para gerar logits de kernel brutos, que são normalizados via Softmax para criar um kernel não negativo de soma unitária ( $K_{str}$ ) para agregação estrutural.
  - O ramo de detalhe processa as subbandas de alta frequência concatenadas. Os logits resultantes são limitados por uma tangente hiperbólica, centrados na média e normalizados em L1 para produzir um kernel assinado de soma zero ( $K_{det}$ ) que enfatiza variações locais.
  - O ramo de gating utiliza coeficientes de alta frequência absolutos para gerar um gate espacialmente variável ( $\beta$ ) que modula a contribuição do kernel de detalhe.
- Integração Adaptativa de Kernel: O kernel final é computado como $K_{wsdi} = K_{str} + \beta \odot K_{det}$ . Isso permite que a rede ajuste dinamicamente o quanto o detalhe de grão fino influencia a agregação em cada localização espacial.
- Involução Agrupada: Esses kernels adaptativos são aplicados a vizinhanças locais usando um operador de involução agrupada, onde os kernels são compartilhados entre grupos de canais, mas variam por localização espacial.
- Refinamento Residual: A saída passa por expansão de canal, ativação GELU, projeção, LayerScale e profundidade estocástica (stochastic depth) antes de ser adicionada à entrada residual.
Fusão Multimodal:
- Os metadados do paciente são padronizados e codificados.
- Após o codificador hierárquico de quatro estágios extrair as características conscientes de frequência, o global average pooling é aplicado.
- A representação visual resultante é concatenada com os metadados codificados antes de passar por uma camada densa com ativação softmax para classificação final.
Manipulação de Dados:
- O modelo foi treinado no conjunto de dados HAM10000 (10.015 imagens, 7 classes).
- Para lidar com o desequilíbrio de classes, a aumentação de dados direcionada foi aplicada às classes sub-representadas (ex: aumentando significativamente as amostras de VASC e DF).
- Valores de idade ausentes foram imputados com a mediana.

Principais Contribuições

Novo Bloco WSDI: O artigo introduz a primeira aplicação de um mecanismo que utiliza componentes estruturais e de detalhe derivados de wavelet para guiar diretamente a geração de kernels de involução específicos de localização para a classificação de lesões de pele.
Arquitetura Leve: O WaveInvNet é um codificador hierárquico de quatro estágios que aprende progressivamente representações conscientes de frequência e espacialmente adaptativas com uma contagem de parâmetros baixa.
Avaliação Abrangente: O estudo fornece uma comparação unificada contra arquiteturas CNN estabelecidas (EfficientNetB0, DenseNet121, ResNet50, ConvNeXt-Base, InceptionV3) e abordagens recentes de estado da arte, avaliando desempenho, eficiência computacional e complexidade do modelo.

Resultos
Avaliado no conjunto de teste do HAM10000 (divisão 70/10/20, média sobre 5 execuções), o WaveInvNet alcançou:

Acurácia: 93,63%
AUC: 98,46%
F1-Score: 94,81%
Precisão: 94,45%
Recall: 95,20%

O modelo demonstrou desempenho consistente com baixos desvios padrão entre as execuções. Em termos de eficiência, o WaveInvNet exigiu apenas 2,54 milhões de parâmetros treináveis (10,16 MB de pesos), representando uma redução de ~42,6% em relação ao menor baseline (EfficientNetB0) e uma redução de ~88,7% em relação ao InceptionV3.

A análise da matriz de confusão revelou que o modelo classificou AKIEC, DF e VASC sem erro. A principal confusão ocorreu entre Melanoma (MEL) e Nevus (NV), e entre Lesões de aspecto queratósico benigno (BKL) e NV, o que é consistente com os desafios diagnósticos conhecidos na dermatologia.

Significância e Alegações
O artigo afirma que o WaveInvNet demonstra que a combinação de processamento visual consciente de frequência (via separação por wavelet) com agregação espacialmente adaptativa (via involução dinâmica) e metadados do paciente permite a classificação de múltiplas classes de lesões de pele de forma precisa e eficiente em parâmetros. Os autores sustentam que sua abordagem supera os baselines de aprendizado profundo existentes sob condições experimentais idênticas, mantendo simultaneamente uma pegada de modelo significativamente menor. Eles posicionam o trabalho como um passo em direção a sistemas de suporte diagnóstico mais adaptáveis e eficientes que podem lidar com a heterogeneidade das lesões de pele e o desequilíbrio dos conjuntos de dados clínicos.

Os autores observam que, embora os resultados sejam promissores, trabalhos futuros devem incluir testes em conjuntos de dados adicionais para verificar a generalização em diferentes condições clínicas, explorar a validação cruzada k-fold estratificada e estender o ramo de metadados para incluir outras variáveis clínicas. Eles também identificam a explicabilidade e a estimativa de incerteza como áreas para investigação futura para aumentar a interpretabilidade clínica.

Mais como este