Representación profunda con múltiples mecanismos de atención para la localización de nódulos pulmonares en secuencias de tomografia computarizada

Abstract

El cáncer de pulmón es la principal causa de muerte por cáncer a nivel mundial ( 1.8 millones de fallecimientos en el año 2022). Los nódulos pulmonares (NP) son masas potencialmente malignas que constituyen la principal alerta de cáncer. El diagnóstico del cáncer pulmonar se fundamenta en la correcta y temprana localización de los NP en imágenes de tomografía computarizada (TC). Este análisis típicamente se realiza por expertos, quienes armonizando información clínica, factores de riesgo y tomando en cuenta variables de espacialidad observan a plenitud el parénquima para apoyar la tarea de localización. Sin embargo, este procedimiento es subjetivo y los métodos de soporte diagnóstico priorizan patrones locales sin tener en cuenta el contexto espacial del parénquima, relaciones con otras estructuras pulmonares e información complementaria que da soporte al diagnóstico. En este trabajo se implementaron dos arquitecturas para la detección de NP, aprovechando relaciones espaciales de largo alcance en imágenes radiológicas. Se implementaron dos arquitecturas para la detección de nódulos pulmonares (NP). La primera, RT-DETR, empleó mecanismos de atención multiescala para mejorar la representación compacta de los NP. La segunda, un modelo fundacional preentrenado (Grounding DINO), integró información visual y texto clínico para enriquecer las predicciones. Posteriormente, se aplicó un esquema de destilación Profesor–Estudiante, transfiriendo conocimiento del modelo fundacional al compacto. Ambos modelos fueron entrenados y validados en LIDC y NLST. En el conjunto LIDC, el modelo fundacional y el modelo compacto alcanzaron desempeños de CPM de 0.476 y 0.469, respectivamente, mientras que la destilación permitió mejorar el RT-DETR, favoreciendo su capacidad de generalización en la localización de NP sobre el NLST.