Quando si segmenta un nuovo dataset medicale, la qualità del risultato la decide il modo in cui preprocessing, topologia e training si adattano ai dati, non l’architettura della rete. È la tesi del preprint nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation (Isensee et al., arXiv 1809.10486, depositato il 27 settembre 2018), uscito dal gruppo di Klaus H. Maier-Hein al DKFZ di Heidelberg.

Contesto

La U-Net di Ronneberger, Fischer e Brox (MICCAI 2015) è diventata in pochi anni il riferimento di fatto per la segmentazione biomedica: encoder a percorso contraente, decoder a percorso espansivo, skip connection tra i due. Da allora la letteratura ha accumulato varianti — encoder residuali, blocchi densi, meccanismi di attenzione, versioni 3D, loss alternative — ognuna con i propri guadagni dichiarati su un sottoinsieme di task.

Il problema pratico è la trasferibilità. Una configurazione che gira bene su una risonanza cerebrale multimodale non gira su una TC epatica con voxel anisotropi, e viceversa. Architettura, schema di normalizzazione, dimensione delle patch, augmentation, scheduler, strategia di inference: sono molti gradi di libertà, e sono accoppiati tra loro. Chi mette in piedi una pipeline di segmentazione spende gran parte del tempo a tarare queste scelte a mano, e la taratura non si trasferisce al dataset successivo.

Problema

Il preprint riformula la domanda così: quanto del guadagno dichiarato dalle varianti architetturali resta, una volta che la U-Net di base è configurata bene? Per gli autori pesano di più le decisioni di pipeline — spacing di resampling, normalizzazione adeguata alla modalità, patch size compatibile con la memoria GPU, profondità di rete derivata dal patch size — rispetto alle aggiunte architetturali. Da qui il nome: no-new-Net. L’oggetto del lavoro non è una rete nuova ma il sistema che la configura.

Architettura

nnU-Net parte da un’analisi del dataset, ciò che gli autori chiamano dataset fingerprint: spacing dei voxel, distribuzione delle dimensioni dei volumi, distribuzione delle intensità, numero di classi e loro frequenza. Da questo profilo un insieme di regole ricava i parametri della pipeline, senza ricerca per tentativi sul singolo task.

Le decisioni ricavate comprendono:

  • Resampling: spacing target, con trattamento separato dell’asse a risoluzione più bassa nei volumi anisotropi.
  • Normalizzazione delle intensità: per la TC, clipping ai percentili e standardizzazione sui valori in Hounsfield Unit (HU) raccolti dalle regioni annotate; per la risonanza, normalizzazione z-score per volume.
  • Patch size e topologia: il patch size è il più grande che la memoria consente, e il numero di operazioni di pooling discende dal patch size, così che il campo recettivo copra l’intera patch.
  • Loss e schedule: somma di Dice e cross-entropy, addestramento esteso con learning rate a decadimento polinomiale.

Da queste regole nnU-Net genera fino a tre configurazioni per lo stesso dataset:

  • 2D, U-Net addestrata slice per slice;
  • 3D full resolution, U-Net 3D sul volume alla risoluzione di lavoro;
  • 3D a cascata, con una prima rete a bassa risoluzione che produce una segmentazione grossolana e una seconda a piena risoluzione che la rifinisce — utile quando la memoria non basta a contenere in una patch il contesto dell’organo.

La configurazione finale si sceglie con cross-validation a 5 fold, eventualmente come ensemble di più configurazioni. Quello che resta costante è la U-Net standard: nessun blocco di attenzione, nessuna variante residuale, nessun trick architetturale.

Punto critico

Il banco di prova è il Medical Segmentation Decathlon, challenge associato a MICCAI 2018 con dieci task eterogenei — tumore cerebrale, cuore, fegato, ippocampo, prostata, polmone, pancreas, vasi epatici, milza, colon — su modalità e geometrie diverse, senza aggiustamenti manuali tra un dataset e l’altro. La challenge è costruita per premiare la generalizzazione, non l’ottimizzazione su un singolo problema.

L’abstract del preprint riferisce che, al momento del deposito del manoscritto, nnU-Net raggiunge i Dice medi più alti su tutte le classi e su sette task della fase 1 nella leaderboard online della challenge, con la sola eccezione della classe 1 del task BrainTumour. È un risultato provvisorio, riferito a una leaderboard pubblica aperta a nuove sottomissioni: va letto come stato di una competizione in corso, non come esito definitivo. Resta notevole che a ottenerlo sia una U-Net senza modifiche architetturali, configurata in automatico.

Implicazioni

Se la tesi regge alla revisione, ne esce un criterio operativo per chi lavora sulla segmentazione medicale: prima di confrontare un metodo nuovo con la letteratura, confrontarlo con una U-Net standard configurata in modo competente. Buona parte del divario attribuito all’architettura potrebbe essere divario di configurazione.

Per i gruppi clinici la conseguenza è la soglia d’ingresso. La pipeline si adatta da sé alla struttura del dataset annotato; chi vuole addestrare un segmentatore sui propri dati — volumetria tumorale, organi a rischio per la radioterapia — non deve per forza scrivere e tarare codice di training da zero. Resta da verificare quanto bene il fingerprint tenga su dataset eterogenei, raccolti con scanner e protocolli diversi.

Limiti

Il preprint non descrive una soluzione a costo nullo. La cross-validation a 5 fold su volumi 3D richiede tempi di addestramento dell’ordine dei giorni su GPU singola, e generare più configurazioni moltiplica il calcolo. Il fingerprint presuppone un dataset relativamente coerente: scanner, protocolli e popolazione uniformi; quanto la derivazione automatica si degradi su raccolte molto eterogenee resta una questione empirica aperta. La pipeline è ottimizzata per la qualità del risultato in ricerca, non per l’inference rapida che servirebbe in produzione clinica. E lo spazio architetturale esplorato resta quello della U-Net: si dà per buono che, per la segmentazione, configurare bene una U-Net basti — un’assunzione che il Decathlon mette alla prova ma non chiude.

Il codice è annunciato come open source su GitHub (MIC-DKFZ/nnUNet); la verifica vera arriverà quando gruppi esterni riprodurranno i risultati sui propri dati e si chiuderanno le fasi successive della challenge.

https://arxiv.org/abs/1809.10486 https://link.springer.com/chapter/10.1007/978-3-319-24574-4_28 https://github.com/MIC-DKFZ/nnUNet https://www.noze.it/insights/nnunet-framework-segmentazione/

Immagine di copertina: Risonanza magnetica cerebrale in sezione assiale, ponderata T2, con una lesione tumorale chiara (iperintensa) nella corteccia di un… — foto di Manoj Kumar, Raghu H. Ramakrishnaiah, Rohan Samant, CC BY-SA 4.0 — https://commons.wikimedia.org/wiki/File:4-year-old-boy-with-angiocentric-glioma-Axial-T2weighted-image-shows-a-hyperintense.png