Autism Detection based on Structural MRI using YOLO

Resumo Técnico: Detecção de Autismo baseada em RM Estrutural usando YOLO

Problema
O Transtorno do Espectro Autista (TEA) é uma condição do neurodesenvolvimento que afeta a comunicação social e o comportamento, com taxas de prevalência em ascensão significativa (ex: 1 em 36 crianças em 2020). O diagnóstico precoce é crítico para a intervenção, mas é frequentemente retardado devido à dependência de avaliações comportamentais subjetivas e à falta de marcadores biológicos objetivos. Embora a Ressonância Magnética Estrutural (sRM) ofereça um método não invasivo para detectar anormalidades neuroanatômicas associadas ao TEA, as abordagens de aprendizado profundo existentes enfrentam diversas limitações. Muitos estudos utilizam faixas etárias amplas sem considerar as diferenças no desenvolvimento cerebral relacionadas à idade, levando a uma generalização deficiente e sobreajuste (overfitting). Além disso, os modelos de classificação tradicionais (ex: ResNet50, VGG16) frequentemente tratam os exames de RM como classes de imagens globais, potencialmente negligenciando biomarcadores estruturais sutis e localizados. Há uma necessidade de ferramentas de triagem eficientes e inteligentes que utilizem arquiteturas avançadas de detecção de objetos para identificar essas desvios neuroanatômicos sutis com alta precisão.

Metodologia
O estudo propõe um framework de diagnóstico utilizando modelos de detecção de objetos You Only Look Once (YOLO) (versões 8 a 11) aplicados a dados de sRM do conjunto de dados ABIDE II. A metodologia envolve as seguintes etapas principais:

1. Conjunto de Dados e Pré-processamento:

   • Fonte de Dados: O conjunto de dados ABIDE II, contendo exames de sRM ponderados em T1 de 522 indivíduos com TEA e 592 indivíduos com desenvolvimento típico (TD).
   • Estratificação por Idade: Para abordar a variabilidade do desenvolvimento, o conjunto de dados foi dividido em dois grupos de idade específicos: 5,8–6,8 anos e 7–12 anos.
   • Extração de Fatias: Volumes 3D de sRM brutos foram convertidos em sequências de imagens 2D. De cada um dos três planos anatômicos (axial, sagital e coronal), as 50 fatias centrais contendo as informações cerebrais mais vitais foram extraídas.
   • Anotação: Utilizando a plataforma Roboflow, cada fatia 2D foi redimensionada para 224 × 224 pixels. Diferente da segmentação tradicional, uma única caixa delimitadora (bounding box) foi desenhada ao redor de toda a área do tecido cerebral para cada fatia. O rótulo de classificação (TEA ou TD) foi atribuído à fatia inteira com base no diagnóstico do paciente, tratando a região cerebral como um único "objeto" a ser detectado.

2. Arquitetura do Modelo:

   • O estudo adaptou modelos YOLO (v8, v9, v10, v11), originalmente projetados para detecção de objetos, para a classificação de TEA. Esta abordagem aproveita a consciência de localização espacial e redes de características hierárquicas (FPNs) para detectar biomarcadores estruturais como padrões locais, em vez de padrões de intensidade globais.
   • Principais Características Arquiteturais:
     • YOLOv8: Utiliza backbones CSPNet e necks FPN+PAN com detecção sem âncoras (anchorless).
     • YOLOv9: Emprega a Rede de Agregação de Camadas Eficientes Generalizada (GELAN) e Informação de Gradiente Programável (PGI) para melhor fusão de características em múltiplas escalas.
     • YOLOv10: Utiliza CSPNet com convoluções de profundidade separável para redução do custo computacional.
     • YOLOv11: Incorpora mecanismos C2PSA (Cross-Stage Partial with Parallel Spatial Attention) para focar em regiões de interesse específicas e SPPF para agregação de características espaciais.
   • Configuração de Treinamento: Os modelos foram treinados no Google Colab (NVIDIA T4) usando PyTorch. Os parâmetros incluíram um tamanho de lote (batch size) de 16, 100 épocas e taxas de aprendizado específicas (0,001 para Adam). Aumentos de dados (data augmentation) e interrupção precoce (early stopping, paciência = 20) foram empregados para evitar o sobreajuste.

3. Métricas de Avaliação:

   • O desempenho foi avaliado utilizando Precisão, Recall, Média de Precisão Média (mAP50 e mAP50-95) e o Coeficiente de Similaridade de Dice Médio (Av DICE) para medir a sobreposição espacial entre as previsões e a verdade fundamental (ground truth).
   • As linhas de base comparativas incluíram arquiteturas de CNN tradicionais: ResNet50 e VGG16.

Principais Contribuições

• Aplicação de Detecção de Objetos ao TEA: O estudo demonstra a eficácia da adaptação de modelos de detecção de objetos YOLO para a classificação de neuroimagem, enquadrando a detecção de biomarcadores de TEA como uma tarefa de detecção de objetos em vez de um problema padrão de classificação de imagem.
• Análise Estratificada por Idade: Ao separar explicitamente o conjunto de dados em dois grupos de idade mais jovens (5,8–6,8 e 7–12 anos), o estudo aborda a limitação de estudos com faixas etárias amplas, visando melhorar a generalização diagnóstica através dos estágios de desenvolvimento.
• Extração de Fatias Multiplanares: O framework gera sequências de imagens 2D a partir de dados de sRM 3D extraindo 50 fatias dos planos axial, sagital e coronal, maximizando a informação espacial disponível para o treinamento.
• Desempenho Comparativo: A pesquisa fornece uma comparação abrangente das versões YOLO 8–11 contra modelos de aprendizado profundo tradicionais (ResNet50, VGG16) especificamente para a detecção de TEA em sRM.

Resultados Experimentais
Os experimentos produziram os seguintes achados:

• Superioridade dos Modelos YOLO: Em ambos os grupos de idade, os modelos YOLO superaram consistentemente o ResNet50 e o VGG16 em precisão, recall, mAP e pontuações DICE.
• Grupo de Idade 1 (5,8–6,8 anos): O YOLOv11 alcançou o maior desempenho com uma precisão de 0,9957, recall de 0,998 e um coeficiente DICE médio de 0,9978. O YOLOv9 também apresentou um desempenho excepcional. Em contraste, o ResNet50 e o VGG16 mostraram menor precisão e sinais de sobreajuste ou má generalização.
• Grupo de Idade 2 (7–12 anos): Todas as versões YOLO mantiveram alto desempenho (precisão e recall geralmente ≥ 0,95). O YOLOv9 e o YOLOv8 alcançaram as maiores pontuações DICE (0,9957), enquanto o YOLOv11 mostrou uma leve diminuição relativa de desempenho em comparação ao grupo mais jovem, embora ainda superando as CNNs tradicionais.
• Robustez do Modelo: Os resultados sugerem que as arquiteturas YOLO, particularmente aquelas com mecanismos de atenção avançados (como o C2PSA no v11) e agregação de características eficiente (como o GELAN no v9), são mais adequadas para identificar anormalidades estruturais sutis e localizadas na sRM associadas ao TEA.

Significância e Alegações
O artigo afirma que o framework proposto oferece uma visão promissora para o diagnóstico precoce do TEA utilizando a tecnologia YOLO. O estudo destaca que:

• Arquiteturas de detecção de objetos podem ser aplicadas com sucesso à classificação de neuroimagem, tratando as diferenças estruturais como padrões locais.
• A integração de características multiescala e processos de atenção espacial nos modelos YOLO (especificamente v9 e v11) revela efetivamente anormalidades neuroanatômicas sutis nos estágios iniciais do TEA.
• O framework demonstra alta eficiência computacional e robustez no tratamento de imagens de RM.
• Embora os resultados sejam excelentes, os autores posicionam este trabalho como um passo para a futura aplicabilidade clínica, sugerindo que tal tecnologia pode apoar a detecção precoce e estratégias de intervenção personalizada. O estudo não alega implantação clínica imediata, mas sim valida a viabilidade técnica e o desempenho superior desta abordagem em comparação aos métodos existentes.