EDNet-20: Enhancing Multi-Label Ocular Disease Detection through Deep Learning Optimization

Resumo Técnico: EDNet-20 para Detecção de Doenças Oculares Multirrótulo

Definição do Problema
A crescente incidência global de doenças oculares, incluindo retinopatia diabética (RD), glaucoma e degeneração macular relacionada à idade, exige ferramentas de diagnóstico eficientes para aliviar a carga sobre os oftalmologistas e facilitar a intervenção precoce. Embora o aprendizado profundo, particularmente as Redes Neurais Convolucionais (CNNs), tenha mostrado promessa na classificação de doenças retinianas automatizadas, desafios significativos permanecem. Os modelos existentes frequentemente lutam para se generalizar entre diferentes dispositivos de imagem e populações, sofrem com escassez de dados e desequilíbrio de classes, e dependem de arquiteturas complexas e computacionalmente pesadas. Além disso, muitas abordagens atuais carecem de interpretabilidade suficiente, o que dificulta sua adoção clínica. Existe uma lacuna específica de pesquisa em relação à detecção simultânea de oito doenças oculares distintas, incluindo condições subexploradas como Retinose Pigmentar, Descolamento de Retina, Cicatriz Macular e Coroidopatia Serosa Central, utilizando um framework leve, porém robusto.

Metodologia
O estudo propõe o EDNet-20, uma nova rede neural convolucional projetada para a classificação multirrótulo de imagens de fundo de olho coloridas. A metodologia segue um pipeline sistemático:

1. Aquisição e Pré-processamento de Dados: O framework utiliza dois conjuntos de dados: um conjunto público da Mendeley (5.229 imagens) e um conjunto clínico privado (1.320 imagens) coletado de hospitais em Bangladesh. Todas as imagens foram redimensionadas para 224 × 224 pixels para garantir uniformidade.
2. Aumento de Dados Fotométricos: Para lidar com a escassez de dados e aumentar a generalização, os autores aplicaram aumentos fotométricos específicos em vez de deformações geométricas. Estes incluíram ajustes de brilho, contraste, cor e nitidez, o que aumentou significamente o tamanho do conjunto de dados preservando as características diagnósticas estruturais.
3. Arquitetura EDNet-20: O modelo foi derivado através do refinamento sistemático de uma CNN de base. Os componentes arquiteturais principais incluem:
   • Backbone Convolucional: Quatro blocos hierárquicos com contagens crescentes de filtros (32, 64, 128, 256) usando kernels de 3×3 e ativação ReLU.
   • Híbrido de Atenção de Caminho Duplo (HDPA): Um novo módulo que integra caminhos paralelos de Autoatenção de Canal e Autoatenção Espacial. Isso permite que o modelo recalibre adaptativamente as respostas de características e destaque regiões anatômicas salientes simultaneamente.
   • Modelagem Sequencial: Uma camada de Long Short-Term Memory (LSTM) bidirecional foi incorporada para capturar dependências contextuais dentro das sequências de características.
   • Cabeça de Classificação: Camadas totalmente conectadas com regularização de dropout (0.5) e uma camada de saída Softmax.
4. Otimização e Validação: O modelo passou por otimização de hiperparâmetros usando otimização Bayesiana para ajustar taxas de aprendizado, tamanhos de lote e dimensões de kernel. O desempenho foi rigorosamente avaliado usando validação cruzada de 5 dobras e comparado contra oito modelos de aprendizado por transferência de última geração (VGG16/19, DenseNet201/169, ResNet50, Xception, MobileNet, MobileNetV2).
5. Explicabilidade: O Mapeamento de Ativação de Classe ponderado por Gradiente (Grad-CAM) foi integrado para visualizar as regiões retinianas que influenciam as previsões do modelo, garantindo transparência.

Principais Contribuições

• Arquitetura Inovadora: O desenvolvimento do EDNet-20, que combina unicamente um backbone de CNN simplificado com um mecanismo de Atenção de Caminho Duplo Híbrido e camadas LSTM, especificamente otim-izado para detecção de doenças oculares multirrótulo.
• Amplo Escopo de Doenças: O estudo aborda oito doenças oculares, quatro das quais (Retinose Pigmentar, Descolamento de Retina, Cicatriz Macular e Coroidopatia Serosa Central) são amplamente subexploradas na literatura de aprendizado profundo anterior.
• Validação Robusta: O framework foi validado tanto em um benchmark público quanto em um conjunto de dados clínico privado independente, demonstrando capacidades de generalização externa.
• Eficiência e Interpretabilidade: O modelo alcança alta precisão com um número de parâmetros relativamente baixo (4,2 milhões) e incorpora técnicas de XAI para apoiar a confiança clínica.

Resultados Experimentais
O EDNet-20 demonstrou desempenho superior em comparação com todos os modelos comparativos em métricas de avaliação padrão:

• Acurácia: O modelo alcançou 94,26% de acurácia no conjunto de dados público e 91,80% no conjunto de dados privado.
• Desempenho Comparativo: Superou oito modelos de aprendizado por transferência e três variantes baseadas em atenção. Por exemplo, no conjunto de dados público, o EDNet-20 excedeu o próximo melhor executor (Xception) em mais de 12 pontos percentuais.
• Generalização: Em testes de cross-dataset (treinado no público, testado no privado sem ajuste fino), o EDNet-20 mostrou uma queda de desempenho de apenas 5,59%, significativamente menor do que as quedas observadas em modelos de aprendizado por transferência (por exemplo, o Xception caiu 14,30%).
• Estudos de Ablação: Remover o módulo de Atenção Híbrida reduziu a acurácia em 4,8%, e remover a camada LSTM causou um declínio de 2,1%, confirmando a contribuição distinta de cada componente.
• Eficiência Computacional: Com 4,2 milhões de parâmetros e um tempo de inferência de 45 ms por imagem, o EDNet-20 oferece um equilíbrio favorável entre acurácia e pegada computacional, superando modelos mais pesados como VGG19 e ResNet50 em velocidade enquanto mantém maior acurácia.
• Calibração: O modelo demonstrou excelente calibração com um Erro de Calibração Esperado (ECE) de 0,032, indicando estimativas de probabilidade confiáveis adequadas para a tomada de decisão clínica.

Significância e Alegações
O artigo postula que o EDNet-20 representa uma ferramenta de diagnóstico auxiliada por computador forte e eficaz, capaz de auxiliar clínicos na detecção precoce de doenças oculares. Ao integrar mecanismos de atenção híbrida e otimização sistemática, o framework aborda os desafios duplos da generalização do modelo e da interpretabilidade. Os autores alegam que a capacidade do modelo de manter alta acurácia através de conjuntos de dados heterogêneos, combinada com sua arquitetura leve e visualizações Grad-CAM, torna-o particularmente adequado para aplicações clínicas em tempo real e implantação em ambientes de saúde com recursos limitados. O estudo conclui que o EDNet-20 preenche a lacuna entre a previsão algorítmica e a interpretabilidade clínica, oferecendo uma solução confiável para a triagem de doenças retinianas multiclasse.

Limitações e Trabalho Futuro
Os autores reconhecem que os conjuntos de dados, embora diversos, são relativamente pequenos e podem não capturar todas as variações em condições de imagem ou doenças raras. O estudo atual limita-se a imagens de fundo de olho coloridas, excluindo outras modalidades como OCT. O trabalho futuro é proposto para expandir os conjuntos de dados através de múltiplas instituições, incorporar imagens multimodais e explorar variantes de modelos mais eficientes para implantação em tempo real.