Psoriasis detection and classification using MobileNetV3 and Coordinate attention

Resumo Técnico: Detecção e Classificação de Psoríase utilizando MobileNetV3 e Atenção de Coordenadas

Definição do Problema
A psoríase é uma condição dermatológica persistente que afeta 2 a 3% da população global, caracterizada por placas vermelhas e escamas prateadas. Embora não seja uma doença fatal, causa um sofrimento psicológico significativo e pode levar a comorbidades como a artrite psoriásica. O diagnóstico é desafiador devido à heterogeneidade clínica (sete variantes distintas), à semelhança com outras condições de pele e à subjetividade da avaliação clínica manual. Além disso, os índices de gravidade existentes (ex: PASI) são subjetivos e frequentemente falham ao não considerar fatores específicos como o prurido ou áreas de difícil tratamento. Embora o Aprendizado Profundo (Deep Learning - DL) tenha mostrado promessa na imagem médica, há uma carência de conjuntos de dados abrangentes para a classificação multiclasse da psoríase, e os modelos existentes frequentemente lutam contra o desequilíbrio de classes e variações interclasses sutis em lesões cutâneas.

Metodologia
O estudo propõe um framework de aprendizado profundo utilizando o MobileNetV3-Small integrado a um mecanismo de Atenção de Coordenadas (Coordinate Attention - CA) para classificar imagens de psoríase em sete variantes distintas. A metodologia segue um pipeline estruturado:

1. Construção do Dataset: Foi criado um dataset customizado compreendendo 2.101 imagens, cobrindo sete variantes: Psoríase Eritrodérmica, Guttate, Inversa, Ungueal (Nail), em Placas (Plaque), Artrite Psoriásica (PsA) e Psoríase Pustulosa. Os dados foram obtidos de repositórios públicos (Kaggle) e passaram por pré-processamento, incluindo o redimensionamento para 96×96 pixels e a normalização das intensidades de pixels para o intervalo [-1, 1].
2. Arquitetura do Modelo:
   • Backbone: O estudo utiliza o MobileNetV3-Small, escolhido pelo seu baixo custo computacional e latência, mantendo a precisão. Ele utiliza convoluções separáveis em profundidade (depthwise separable convolutions).
   • Mecanismo de Atenção: Para abordar a limitação dos blocos padrão de Squeeze-and-Excitation (que carecem de informação posicional), os autores integraram a Atenção de Coordenadas (CA). Este mecanismo realiza o pooling horizontal e vertical para codificar informações espaciais, gerando mapas de atenção que guiam o modelo para focar em características específicas de "onde" e "o quê" dentro da lesão.
   • Cabeça de Classificação: A arquitetura inclui uma camada de Global Average Pooling, uma camada Densa com 512 neurônios usando ativação Swish e uma camada de saída Softmax para as sete classes.
3. Estratégia de Treinamento:
   • Transfer Learning: O modelo foi inicializado com pesos pré-treinados no ImageNet. As camadas superiores foram descongeladas para fine-tuning a partir da camada 150 para extrair características de alto nível específicas do dataset de psoríase.
   • Funções de Perda: O estudo compara a Perda de Entropia Cruzada (Cross-Entropy Loss - CL) contra uma proposta Perda Híbrida (Hybrid Loss - HL). A HL combina Entropia Cruzada, Focal Loss e técnicas de Label Smoothing para mitigar o desequilíbrio de classes e o overfitting. A perda composta é definida como $L_{Composite} = \beta L_{CL} + \phi L_{FL}$, onde os hiperparâmetros foram ajustados (especificamente $\phi = 0,75$).
   • Otimização: O otimizador Adam foi utilizado com uma taxa de aprendizado de $1 \times 10^{-5}$ ao longo de 50 épocas.

Principais Contribuições

• Criação de Dataset: Desenvolvimento de um dataset abrangente contendo 2.101 imagens através de sete variantes de psoríase, abordando a escassez de dados públicos multiclasse de psoríase.
• Inovação Arquitetônica: Demonstração de que a integração da Atenção de Coordenadas no MobileNetV3 melhora significativamente a detecção de variações sutis entre as sete subtipos de psoríase.
• Otimização da Função de Perda: Introdução e validação de uma função de Perda Híbrida (combinando CL, Focal Loss e Label Smoothing) que supera a perda de Entropia Cruzada padrão no tratamento do desequilíbrio de classes e na melhoria da precisão.
• Análise Comparativa: Uma comparação rigorosa contra modelos de estado da arte, incluindo VGG19, um Ensemble de modelos ResNet (ResNet50V2, ResNet101V2, ResNet152V2) e o MobileNetV3 padrão, sob idênticas condições experimentais.

Resultados
O modelo proposto MobileNetV3-Small + CA + Hybrid Loss alcançou as métricas de desempenho mais elevadas:

• Acurácia: O modelo atingiu 98,40% de acurácia na tarefa de classificação multiclasse. Isso representa uma melhoria significativa sobre o MobileNetV3-Small com CA usando apenas Entropia Cruzada (93,20%) e outros modelos baseline (VGG19: 94,02%, Ensemble ResNet: 91,20%).
• Convergência: As curvas de treinamento indicaram que o modelo proposto alcançou convergência rápida com alta acurácia de treinamento (97–98%) e baixa perda de treinamento (0,25).
• Generalização: O modelo demonstrou acurácia de validação superior (aproximadamente 75–78%) e menor perda de validação em comparação com modelos usando apenas Entropia Cruzada, indicando redução de overfitting.
• Desempenho por Classe: O modelo mostrou melhoria na sensibilidade para classes desafiadoras, como a psoríase Inversa e a Ungueal, que frequentemente sofrem com classificação incorreta em CNNs padrão.

Significância e Alegações
O artigo alega que a integração da Atenção de Coordenadas e da Perda Híbrida fornece um sistema de suporte confiável e de baixo custo para dermatologistas. Ao alcançar alta acurácia na distinção entre sete variantes específicas, o modelo aborda as limitações do diagnóstico manual, como a variabilidade interpretativa e o tempo de execução. Os autores afirmam que esta abordagem oferece suporte técnico preciso para o gerenciamento de grandes volumes de imagens de pele, potencialmente melhorando a qualidade de vida do paciente através de um diagnóstico mais precoce e preciso.

Limitações e Escopo Futuro
Os autores reconhecem diversas limitações:

• Escassez de Dados: O dataset, embora melhorado, permanece limitado em tamanho e diversidade em relação às condições de iluminação e traços da doença.
• Segmentação: O presente trabalho foca na classificação; pesquisas futuras devem integrar a segmentação da região de interesse para lidar com cenários do mundo real onde as lesões não estão perfeitamente isoladas.
• Eficiência Computacional: Embora o MobileNetV3 seja leve, é necessária uma maior redução nos custos computacionais para implementação.
• Desafios de Correlação: O estudo observa que a alta correlação entre certas imagens de psoríase ainda pode levar à identificação incorreta, sugerindo a necessidade de investigações adicionais para distinguir variantes altamente semelhantes.