Resumo Técnico: TopoNet: Um Framework de Duas Ramificações Guiado por Topologia para Classificação de Imagens Médicas

Declaração do Problema

A classificação de imagens médicas volumétricas enfrenta desafios significativos em relação à robustez e interpretabilidade. Os modelos atuais de estado da arte, baseados principalmente em Redes Neurais Convolucionais (CNNs) e Vision Transformers (ViTs), dependem fortemente de pistas impulsionadas pela aparência (textura e intensidade local). Esses modelos frequentemente têm dificuldade em capturar explicitamente a topologia anatômica global, como conectividade, loops e cavidades, que são críticas para o diagnóstico clínico. Por exemplo, no adenocarcinoma ductal pancreático (PDAC), a distinção entre tecido saudável e doente muitas vezes depende de mudanças topológicas como fragmentação ductal ou dilatação anormal, as quais arquiteturas locais de nível de pixel falham em garantir.

Além disso, as tentativas existentes de integrar a Análise de Dados Topológicos (TDA) ao aprendizado profundo sofrem de duas limitações principais:

1. Sensibilidade ao Ruído: Métodos tradicionais utilizam frequentemente limiares rígidos e ajustados manualmente para filtrar características topológicas, o que pode descartar sinais sutis, mas clinicamente relevantes, ou reter ruído devido à variabilidade caso a caso.
2. O Problema do "Descolamento Espacial": A maioria das abordagens vetoriza as características topológicas (por exemplo, em imagens de persistência ou curvas de Betti) e as concatena com características neurais. Esse processo descarta as coordenadas espaciais das características, impedindo que a rede localize onde ocorrem anomalias topológicas específicas, criando assim um descompasso representacional entre características de imagem espacialmente conscientes e vetores topológicos espacialmente agnósticos.

Metodologia: TopoNet

Para abordar essas limitações, os autores propõem o TopoNet, um framework de duas ramificações guiado por topologia que integra estruturas topológicas multiescala diretamente no aprendizado de representação volumétrica, preservando o contexto espacial.

1. Extração Topológica Estatística via Bandas de Confiança

Em vez de usar limiares fixos, o TopoNet emprega uma estratégia estatisticamente fundamentada para distinguir sinais topológicos significativos de ruído:

• Homologia Persistente Cubical: O método computa a homologia persistente em complexos cubicais derivados da grade de voxels, rastreando a evolução de $H_0$ (componentes conectados), $H_1$ (loops) e $H_2$ (cavidades) através de filtrações de subnível de conjunto.
• Filtragem por Bandas de Confiança: Para lidar com o ruído topológico, o framework utiliza uma abordagem baseada em subamostragem para construir bandas de confiança de $(1-\alpha)$ para o diagrama de persistência. Características com valores de persistência ($d-b$) caindo dentro da banda de confiança (definida pela distância de bottleneck $\epsilon_\alpha$) são tratadas como ruído. Apenas características que satisfazem $d-b > 2\epsilon_\alpha$ são retidas como estatisticamente significativas. Isso elimina a necessidade de ajuste manual de limiar rígido.

2. Mapeamento Topologia-para-Voxel Consciente de Dimensão

Uma inovação central do TopoNet é a restauração do contexto espacial para as características topológicas, resolvendo o problema do "descolamento espacial":

• Localização: Pares de persistência selecionados são mapeados de volta para o domínio do voxel.
  • $H_0$: Máscaras de componentes conectados são geradas identificando voxels semente e extraindo componentes em limiares de pré-fusão específicos.
  • $H_1$: Ciclos 1 representativos (loops) são reconstruídos via redução de matriz e rasterizados em máscaras de loops binárias, opcionalmente dilatados para formar vizinhanças tubulares.
  • $H_2$: Cascas de cavidades são identificadas usando sementes "destruidoras" e construídas via crescimento de região geodésica e operadores morfológicos.
• Resultado: Este processo gera máscaras de topologia binárias ($T$) explicitamente registradas e alinhadas com o volume da imagem de entrada ($I$), criando uma "modalidade de topologia" complementar.

3. Arquitetura de Duas Ramificações com Fusão Cross-Modal

O TopoNet utiliza uma arquitetura 3D de duas ramificações (baseada em DenseNet121) para processar as modalidades de imagem e topologia em paralelo:

• Extração de Características Mono-modal: Duas ramificações independentes extraem características multiescala. A ramificação de topologia utiliza Normalização de Grupo (GN) em vez de Normalização de Lote para lidar com a alta esparsidade das máscaras derivadas de topologia.
• Módulo de Interação Cross-Branch (CBIM): Nos estágios intermediários (Estágio 3 e 4), as ramificações interagem via um mecanismo de fusão especializado:
  • Módulo de Realce de Textura: Um módulo de convolução depth-wise leve realça as características de textura local na ramificação da imagem.
  • Módulo de Realce de Topologia: Um módulo consciente de esparsidade refina as características de topologia, normalizando-as pelo número de voxels válidos para evitar que os zeros do fundo contaminem a representação.
  • Cross-Attention: As características da imagem atuam como queries, enquanto as características de topologia fornecem keys e values. Isso permite que a rede condicione as representações da imagem com a orientação topológica.
  • Fusão Residual com Gate: As características guiadas pela topologia são injetadas na ramificação da imagem via um mecanismo de gating aprendível, permitindo que o modelo controle adaptativamente a força do prior topológico.
• Cabeça de Classificação: As características finais fundidas passam por Attention Pooling, que agrega adaptativamente as características por voxel com base em pesos de atenção aprendidos, suprimindo o ruído de fundo antes da classificação.

Principais Contribuições

O artigo descreve quatro contribuições primárias:

1. Extração Estatisticamente Fundamentada: Um framework que utiliza bandas de confiança para identificar características de homologia persistente significativas em complexos cubicais, separando sinais clínicos robustos de ruído sem limiares rígidos.
2. Restauração Espacial: Um pipeline de mapeamento topologia-para-voxel consciente de dimensão que converte resumos topológicos abstratos ($H_0/H_1/H_2$) em máscaras binárias por voxel alinhadas espacialmente, unindo a lacuna entre TDA e aprendizado profundo baseado em grade.
3. Arquitetura TopoNet: Uma rede de duas ramificações que codifica as modalidades de imagem e topologia em paralelo, utilizando atenção cross-branch para guiar a rede em direção a regiões estruturalmente significativas.
4. Validação Empírica: Experimentos extensos demonstrando melhorias consistentes sobre fortes baselines em dois conjuntos de dados distintos.

Resultados Experimentais

Os autores avaliaram o TopoNet em dois conjuntos de dados usando validação cruzada de 5 dobras (5-fold cross-validation):

1. Tarefa MSD Task07 Pancreas Dataset (PDAC vs. Não-PDAC):

   • O TopoNet alcançou uma Acurácia de 0,8197 ± 0,0587 e um AUC de 0,8123 ± 0,1127.
   • Superou fortes baselines de CNN (ResNet50, DenseNet121, EfficientNet) e Transformer (ViT, Swin).
   • Notavelmente, o TopoNet mostrou uma variância significativamente menor em Acurácia e F1-score em comparação aos baselines, indicando maior estabilidade.

2. Dataset BraTS 2018 (Graduação de Glioma: HGG vs. LGG):

   • O TopoNet alcançou uma Acurácia de 0,9333 ± 0,0079 e um AUC de 0,9267 ± 0,0437.
   • Demonstrou generalização superior para modalidades de MRI em comparação aos baselines, com previsões altamente estáveis entre as dobras.

Estudos de Ablação confirmaram que:

• A seleção por banda de confiança supera as estratégias de limiar fixo.
• A combinação de todas as dimensões de homologia ($H_0 + H_1 + H_2$) produz o melhor desempenho.
• A estratégia de filtração "No Inversion" (sublevel set na intensidade bruta) foi a ideal para o CT pancreático, destacando a importância das semânticas de filtração específicas da tarefa.
• A direção específica da interação cross-modal (Realce de imagem guiado pela topologia, $T \to I$) foi mais eficaz do que as alternativas bidirecionais ou sequenciais.
• A remoção de qualquer componente (Realce de textura, Realce de topologia, Cross-attention ou Attention pooling) degradou o desempenho, validando a necessidade do framework completo.

Visualização: Visualizações de Grad-CAM mostraram que o TopoNet foca em padrões estruturais relevantes para a doença (ex: trajetórias ductais) alinhados com as características topológicas, enquanto os baselines frequentemente produziam ativações difusas e orientadas por textura.

Significância e Alegações

O artigo afirma que o TopoNet oferece um caminho promissor para melhorar o desempenho, a robustidade e a interpretabilidade clínica da classificação de imagens médicas volumétricas. Ao integrar fundamentalmente pistas estruturais explícitas no pipeline de aprendizado profundo, em vez de tratar a topologia como um estatístico global, o framework aborda o "descolamento espacial" inerente aos métodos anteriores de TDA.

Os autores enfatizam que sua abordagem:

• Aumenta a Interpretabilidade: Ao mapear as características topológicas de volta para o domínio do voxel, o modelo fornece pistas estruturais espacialmente fundamentadas que se alinham ao raciocínio clínico (ex: conectividade ductal).
• Melhora a Robustez: A filtragem por banda de confiança e os mecanismos de fusão com gate permitem que o modelo se adapte ao ruído e à variabilidade anatômica, reduzendo a dependência de texturas incidentais.
• Oferece um Paradigma Plug-and-Play: O framework de aprendizado guiado por topologia mostra-se eficaz para várias arquiteturas de backbone (CNNs e Transformers), sugerindo ampla aplicabilidade.

Os autores concluem que, embora o método seja promissor, trabalhos futuros são necessários para modelar interações sinérgicas entre dimensões de homologia (ex: usando Redes Neurais de Grafos) e para validar a abordagem em coortes maiores e multicêntricas para avaliar a generalização entre diversos protocolos de scanners.