La segmentación precisa de los microcarcinomas papilares de tiroides (PTMC) durante la ablación por radiofrecuencia (ARF) guiada por ultrasonido es crucial para un tratamiento eficaz, pero presenta dificultades debido a los artefactos acústicos, el pequeño tamaño de la lesión y las variaciones anatómicas. En este estudio, proponemos DualSwinUnet++, una arquitectura de doble decodificador basada en transformador, diseñada para mejorar la segmentación de los PTMC al incorporar el contexto de la glándula tiroides. DualSwinUnet++ utiliza cabezales de proyección lineal independientes para cada decodificador y un mecanismo de flujo de información residual que transfiere características intermedias del primer decodificador (tiroides) al segundo (PTMC) mediante concatenación y transformación. Estas opciones de diseño permiten que el modelo condicione explícitamente la predicción tumoral a la morfología tiroidea sin interferencias de gradiente compartido. Entrenado con un conjunto de datos de ultrasonido clínico con 691 imágenes de ARF anotadas y evaluado con modelos de vanguardia, DualSwinUnet++ logra excelentes puntuaciones Dice y Jaccard, manteniendo una latencia de inferencia inferior a 200 ms. Los resultados demuestran que el modelo es adecuado para la asistencia quirúrgica en tiempo casi real y es eficaz para mejorar la precisión de la segmentación en casos de PTMC difíciles.
