SALT: Presentación de un marco para segmentaciones jerárquicas en imágenes médicas utilizando árboles de etiquetas

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Visión por Computadora

Sus antecedentes:

• Las redes de segmentación tradicionales a menudo pasan por alto las relaciones jerárquicas entre las estructuras anatómicas.
• Esta limitación dificulta la eficiencia y la interpretabilidad en el análisis de imágenes médicas.
• El desarrollo de métodos que incorporen jerarquías anatómicas es crucial para avanzar en la precisión de la segmentación.

Objetivo del estudio:

• Presentar Softmax para Árboles de Etiquetas Arbitrarias (SALT), una nueva función de activación para la segmentación de imágenes médicas.
• Aprovechar las relaciones jerárquicas en las estructuras anatómicas para mejorar la eficiencia y la interpretabilidad de la segmentación.
• Permitir la representación natural de jerarquías anatómicas en la obtención de imágenes de TC para una segmentación mejorada.

Principales métodos:

• Se desarrolló SALT, una función de activación que extiende softmax a árboles de etiquetas jerárquicos arbitrarios modelando probabilidades condicionales a lo largo de las relaciones padre-hijo.
• Se entrenó y evaluó SALT en el conjunto de datos SAROS (900 escaneos, 113 etiquetas), con validación y prueba en subconjuntos.
• Se evaluó el rendimiento utilizando puntuaciones de Dice en múltiples conjuntos de datos: SAROS, CT-ORG, FLARE22, LCTSC, LUNA16 y WORD, con intervalos de confianza del 95 % de 1000 rondas de bootstrapping.

Principales resultados:

• SALT logró el máximo rendimiento en LUNA16 (Dice 0.93) y SAROS (Dice 0.929).
• Demostró una precisión confiable en CT-ORG (0.891), FLARE22 (0.849), LCTSC (0.908) y WORD (0.844).
• Logró una segmentación rápida, procesando un escaneo de TC de 1000 cortes en un promedio de 35 segundos.

Conclusiones:

• SALT aprovecha eficazmente las estructuras corporales jerárquicas para una segmentación de imágenes médicas eficiente e interpretable.
• La velocidad y precisión del método respaldan la integración en los flujos de trabajo clínicos para la segmentación automatizada de todo el cuerpo.
• SALT tiene el potencial de mejorar los flujos de trabajo de diagnóstico y la atención al paciente a través de un análisis de imágenes más rápido y preciso.