HMP-MUNet introduit un cadre hybride d’apprentissage profond pour la segmentation automatisée des lésions cutanées. En intégrant des modèles d’espace d’états avec des mécanismes d’attention multi-échelle, il améliore la précision de segmentation tout en optimisant l’efficacité de calcul, offrant une solution robuste pour le diagnostic du cancer de la peau en milieu clinique.
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de recherche
HMP-MUNet : Un cadre hybride d’apprentissage profond pour la segmentation automatisée des lésions cutanées dans les images dermoscopiques
* These authors contributed equally
Dans cet article
Résumé
Résumé
Les systèmes de diagnostic assisté par ordinateur pour les lésions cutanées rencontrent des défis importants pour atteindre à la fois une grande précision diagnostique et une efficacité computationnelle. Les approches actuelles d’apprentissage profond nécessitent souvent des ressources informatiques substantielles tout en peinant à capturer les variations morphologiques complexes inhérentes aux lésions cutanées à différentes échelles. High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet), un cadre novateur d’apprentissage profond qui répond à ces limites grâce à une conception architecturale innovante combinant des modèles d’espace d’états avec des capacités avancées de traitement multi-échelle.
L’approche décrite dans cette étude intègre un cadre hybride U-Net qui combine un module d’espace d’états à vision d’ordre élevé pour la modélisation globale du contexte, un réseau de fusion d’attention dilatée multi-échelle pour l’extraction hiérarchique de caractéristiques à travers plusieurs champs récepteurs, et un réseau flexible parallèle multi-profondeur pour l’optimisation computationnelle. Cette architecture utilise un encodeur-décodeur en forme de U modifié avec des dimensions de canal accrues et des mécanismes d’attention avancés pour améliorer l’apprentissage des caractéristiques.
Une évaluation complète des ensembles de données de référence montre un coefficient de similarité de Dice de 95,85 % sur PH2 et 90,44 % sur ISIC2018. Le modèle atteint cette précision supérieure en utilisant seulement 7,61 millions de paramètres, ce qui représente une réduction remarquable de 72,2 % par rapport aux architectures existantes de Vision Mamba tout en maintenant une grande précision de segmentation. La conception légère montre un potentiel de déploiement dans divers contextes cliniques et modalités d’imagerie, sous réserve de validation clinique, des centres dermatologiques spécialisés aux établissements de soins primaires.
HMP-MUNet propose une solution automatisée pour la segmentation des lésions cutanées qui améliore la cohérence diagnostique et soutient les flux de travail cliniques, avec un potentiel de validation supplémentaire dans un usage clinique. L’intégration des capacités de modélisation de haut ordre avec des considérations pratiques de déploiement offre une solution potentielle pour améliorer les protocoles de dépistage du cancer de la peau et élargir l’accessibilité aux soins de santé dans les applications de diagnostic assisté par ordinateur.
Introduction
Les systèmes de diagnostic assisté par ordinateur (CAO) visent à améliorer les pratiques d’imagerie médicale dans les différentes spécialités cliniques, en améliorant la détection, le diagnostic et la planification du traitementdes maladies. En dermatologie, l’intégration de l’intelligence artificielle (IA) et des techniques d’imagerie avancées est devenue un outil essentiel pour améliorer la précision diagnostique et les résultats cliniques, en particulier dans la détection précoce du cancer de la peau, qui représente environ 90 % de toutes les malignitéscutanées 2. Le développement d’approches algorithmiques sophistiquées pour l’analyse automatisée des lésions cutanées contribue à l’avancement de la médecine de précision, permettant un soutien diagnostique standardisé et reproductible qui améliore la prise de décision clinique dans divers milieux de soinsde santé 3,4.
L’imagerie dermatologique moderne englobe plusieurs modalités, notamment la dermoscopie, la photographie numérique, la tomographie par cohérence optique et les systèmes d’imageriemultispectrale 5. Les professionnels de santé utilisent des images dermoscopiques pour diagnostiquer manuellement le cancer de la peau par des méthodes laborieuses et chronophages qui exigent une expertiseconsidérable 6. Le défi de maintenir la cohérence diagnostique à travers différents contextes cliniques et conditions d’imagerie a conduit au développement de systèmes CAO fournissant une analyse objective et quantitative des lésions cutanées. La segmentation des lésions cutanées à partir des images dermoscopiques constitue une étape fondamentale de prétraitement qui impacte directement la précision de classification ultérieure et l’utilitéclinique 7. En général, le diagnostic assisté par ordinateur du cancer de la peau comporte cinq étapes : acquisition d’image, prétraitement, segmentation, extraction des caractéristiques etclassification 8. Une délimitation précise des limites est essentielle pour une caractérisation précise des lésions, permettant aux cliniciens d’évaluer des caractéristiques morphologiques telles que l’asymétrie, l’irrégularité des bords, la variation de couleur et le diamètre — des paramètres clés des critères diagnostiquesétablis 9.
L’émergence des modèles d’espace d’états (SSM), en particulier l’architecture Mamba, offre une complexité computationnelle linéaire, améliorant l’efficacité de calcul tout en maintenant des capacités supérieures de modélisation des dépendances à longue portée10. Les avancées récentes dans la segmentation des lésionscutanées 11, telles que U-Net9, Att-UNet12, UTNetV213 et UNet++14 , ont démontré des améliorations notables de la précision de segmentation. Par exemple, U-Net atteint un coefficient de similarité de dés (DSC) de 87,55 % sur l’ensemble de données ISIC2018, tandis que UNet++ atteint 87,83 % et Att-UNet 87,91 %. Sur le jeu de données PH2, U-Net atteint un DSC de 90,6 %, tandis que C2SDG15 etSCR-Net 16atteignent respectivement 90,3 % et 89,89 %. HMP-MUNet améliore ces modèles en intégrant un mécanisme d’attention multi-échelle et des capacités de traitement parallèle, réduisant le nombre de paramètres de 72,2 % tout en atteignant une précision supérieure avec un DSC de 95,85 % sur l’ensemble PH2 et 90,44 % sur l’ensemble de données ISIC2018. Étant donné l’importance d’équilibrer les capacités d’apprentissage de la représentation visuelle avec la consommation de ressources informatiques, explorer des architectures génériques de classification d’images médicales qui permettent des compromis optimaux est essentiel pour le développement d’un système de diagnostic cliniqueintelligent 17. Le cadre structuré des SSMs spatiaux améliore les architectures Mamba traditionnelles en optimisant les matrices de transition d’état, en améliorant l’efficacité computationnelle et en réduisant la surcharge mémoire—des caractéristiques essentielles au déploiement clinique dans diverses modalitésd’imagerie 18.
Des recherches récentes démontrent que les architectures Vision Mamba, en particulier celles utilisant le schéma de commutation basé sur le Vision Mamba d’ordre supérieur (H-VSS), obtiennent des performances supérieures avec un nombre de paramètres significativement réduit par rapport aux transformateurs conventionnels, ce qui les rend particulièrement adaptées à l’intégration de flux de travailclinique 19. Cependant, les implémentations existantes de Vision Mamba rencontrent des défis, notamment des limitations de consommation de mémoire et des contraintes de scalabilité dans des conditions de déploiement clinique20. Les méthodes actuelles de segmentation d’image médicale sont généralement divisées en CNN et modèles basés sur transformateurs, où les CNN traditionnels sont limités par des contraintes de champ récepteur, rendant la capture de dépendance à longue portéedifficile 21. En imagerie médicale, distinguer des régions critiques telles que les lésions de la peau saine nécessite une grande précision, ce qui nécessite l’adoption de solutions technologiques avancées pour relever cesdéfis 22. Les architectures de segmentation contemporaines ont évolué pour répondre à des exigences cliniques spécifiques, notamment l’efficacité computationnelle pour les applications en temps réel, la précision pour les tâches diagnostiques critiques et la robustesse à travers divers protocoles d’imagerie23. Les variantes avancées de l’U-Net intégrant des mécanismes d’attention, des stratégies de fusion de caractéristiques à plusieurs échelles et des encodeurs basés sur transformateurs ont démontré des performances supérieures dans des scénarios complexes d’imageriemédicale 12,24. Ces innovations architecturales enrichissent directement les applications cliniques en permettant une délimitation précise des structures anatomiques, l’identification des régions pathologiques et l’extraction de biomarqueurs quantitatifs, autant d’éléments cruciaux pour la médecine fondée sur les preuves25,26. Cependant, les défis d’intégration, notamment la compatibilité des interfaces avec les dossiers médicaux électroniques (DME) existants, le stockage et la récupération de grandes images, ainsi que l’interopérabilité entre différents systèmes institutionnels, restent des obstacles majeurs à une adoption cliniquegénéralisée 27.
Cet article présente High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet), un système CAO novateur spécifiquement conçu pour la segmentation automatisée des lésions cutanées en pratique clinique. Le cadre ici répond aux lacunes critiques des systèmes actuels d’imagerie médicale en intégrant des composants architecturaux innovants : le Multi-Scale Dilated Attention Fusion Network (MSDAFN) et le Parallel Multi-depth Flexible Network (PMFlex). Le MSDAFN met en œuvre des stratégies sophistiquées d’extraction des caractéristiques combinant des mécanismes d’attention spatiale et canalisée avec des convolutions dilatées à plusieurs échelles, permettant une meilleure détection des caractéristiques subtiles des lésions à différentes échelles — cruciales pour un diagnostic précis des différents types de lésions rencontrés enpratique clinique 28. Le PMFlex introduit des capacités de traitement parallèle permettant l’analyse simultanée de multiples flux d’entrée, améliorant significativement l’efficacité de calcul tout en maintenant des capacités de modélisation de haut ordre essentielles à une précisionde niveau clinique 29. HMP-MUNet, grâce à ses techniques innovantes de segmentation et ses stratégies informatiques, vise à repousser les limites du diagnostic du cancer de la peau, permettant un diagnostic clinique précis et entemps réel 30,31.
Les principales contributions de cette recherche s’alignent sur les objectifs fondamentaux de l’avancement de la CAO en imagerie médicale : modélisation globale améliorée du contexte via MSDAFN, amélioration de l’extraction des caractéristiques et de l’efficacité de la fusion pour une localisation précise des lésions à travers diverses présentations cliniques ; un traitement parallèle efficace via PMFlex réduisant la surcharge de calcul tout en maintenant une précision de niveau clinique, facilitant le déploiement dans des environnements cliniques à ressources limitées ; l’optimisation du déploiement clinique grâce à une conception consciente du matériel, permettant un traitement efficace d’images dermoscopiques haute résolution prenant en charge des flux de travail cliniques en temps réel ; Performance clinique démontrée par une évaluation complète sur des ensembles de données standard avec des indicateurs de performance adaptés à l’intégration clinique ; et une solution diagnostique intégrée combinant modélisation de haut niveau, analyse multi-échelle et calcul parallèle, offrant des solutions complètes pour un diagnostic dermatologique de précision. Cette recherche fait progresser l’imagerie médicale informatisée en proposant des solutions innovantes et cliniquement applicables, répondant à la fois aux exigences technologiques et pratiques pour l’analyse automatisée des lésions cutanées dans les milieux de santé contemporains.
Le cadre est conçu pour gérer des images dermoscopiques haute résolution, généralement avec des résolutions d’entrée de 256 × 256, offrant un équilibre entre efficacité de calcul et détails d’image. Cependant, la variabilité des équipements et de la qualité d’image, telle que les différences d’éclairage, de teint et la présence de cheveux, peut affecter la performance de segmentation. Malgré ces défis, la conception du système est optimisée pour les flux de travail cliniques en temps réel et s’adapte à différents dispositifs d’imagerie, garantissant des performances robustes dans divers environnements cliniques.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
Cette recherche a été réalisée conformément aux directives institutionnelles pour la recherche computationnelle et le traitement des données. Aucun sujet humain ni vertébré n’a participé à cette étude.
Préparation et prétraitement des jeux de données
Collecte et organisation des jeux de données
Des images dermoscopiques ont été collectées à partir des ensembles de données PH2, ISIC2018 et ISIC2017, avec des liens spécifiques fournis dans le Table of Materials. Le jeu de données PH2 contient 200 images haute résolution (1000 × 1000 pixels), ISIC2018 comprend 2 594 images avec des masques de segmentation correspondants, et ISIC2017 comprend 2 150 images avec des masques de segmentation. Les données étaient organisées en ensembles d’entraînement, de validation et de test selon des protocoles standards, garantissant que les images sont dans des formats compatibles (par exemple, .jpg, .png ou .tiff) et incluent des masques de vérité au sol correspondants au format binaire.
Les données étaient organisées en ensembles d’entraînement, de validation et de test selon des protocoles standards. Les ensembles de données étaient répartis comme suit : pour ISIC2018, 1 815 images ont été allouées pour l’entraînement, 259 pour la validation et 520 pour les tests. Pour ISIC2017, 1 500 images ont été allouées à l’entraînement, 220 à la validation et 430 aux tests. Pour PH2, le jeu de données a été divisé en 160 images d’entraînement, 10 images de validation et 30 images de test. Une résolution d’image constante de 256 × 256 pixels était maintenue tout au long du pipeline de prétraitement.
Augmentation et normalisation des données
Des techniques d’augmentation de données ont été appliquées pour améliorer la généralisation des modèles. Des basculements horizontaux, verticaux et rotations aléatoires dans une plage de ±15° ont été mis en place. La correction gamma et la transformation logarithmique ont été appliquées avec une probabilité de 0,3 chacune. Les valeurs des pixels ont été normalisées à l’aide des statistiques ImageNet (moyenne = [0,485, 0,456, 0,406], écart-type = [0,229, 0,224, 0,225]).
Redimensionner toutes les images d’entrée à 256 × 256 pixels : Pour garantir l’efficacité de calcul, toutes les images d’entrée furent redimensionnées à une résolution uniforme de 256 × 256 pixels. Bien que les images haute résolution, comme celles du jeu de données (1000 × 1000 pixels), contiennent des détails fins et des informations de texture essentielles pour une délimitation précise des limites de lésions, augmenter la résolution n’a pas amélioré de manière significative les performances du modèle. Par conséquent, la résolution n’a pas été augmentée afin de maintenir un équilibre entre l’efficacité de calcul et la précision du modèle. Des travaux futurs pourraient approfondir les effets des entrées à plus haute résolution afin de déterminer si les bénéfices de la précision de segmentation justifient l’augmentation du coût de calcul. Les images étaient converties au format RVB lorsque cela était nécessaire. Les données prétraitées étaient sauvegardées dans des annuaires structurés tout en conservant les divisions originales du jeu de données.
Implémentation de l’architecture HMP-MUNet
Conception de l’architecture réseau
HMP-MUNet a été configuré selon la structure hiérarchique encodeur-décodeur en forme de U comme montré à la Figure 1. Le réseau était configuré avec une expansion progressive des canaux : 8→16→32→64→128→256 canaux à travers les niveaux de l’encodeur.
Un changement architectural significatif a été apporté en réduisant la profondeur du réseau de quatre niveaux hiérarchiques à deux, ce qui aide à simplifier le modèle et à améliorer l’efficacité de calcul. Bien que la profondeur soit réduite, les dimensions du canal ont été augmentées à chaque niveau, permettant au réseau de capturer des caractéristiques plus riches et plus expressives. Pour améliorer davantage l’apprentissage des caractéristiques du modèle, des mécanismes d’attention ont été introduits afin de concentrer le réseau sur les caractéristiques les plus pertinentes à plusieurs échelles. Ces mécanismes d’attention compensent efficacement la perte potentielle de l’abstraction hiérarchique des caractéristiques due à l’architecture plus superficielle.
L’encodeur a été initialisé avec des opérations doubles Conv2D pour l’extraction initiale des caractéristiques des tenseurs d’entrée X(C, H×W). La configuration alternée de trois modules spécialisés a été mise en œuvre : le schéma de commutation basé sur la vision de haute qualité (H-VSS), le réseau flexible parallèle multi-profondeur (PMFlex) et le réseau de fusion à attention dilatée multi-échelle (MSDAFN).
Le modèle utilise les statistiques ImageNet (moyenne et écart-type) pour la normalisation, évitant ainsi de recalculer pour chaque jeu de données, améliorant ainsi l’efficacité de calcul. Il garantit la stabilité et la généralisation, tirant parti de l’utilisation étendue d’ImageNet dans les tâches de vision par ordinateur. Ce choix simplifie la conception en réduisant la complexité du prétraitement et améliore la transférabilité entre ensembles de données, permettant au modèle de se généraliser efficacement sur diverses images de lésions cutanées.
Implémentation du schéma de commutation basé sur la mamba à vision d’ordre élevé (H-VSS)
Le module H-VSS a été implémenté selon l’architecture de la Figure 2. La normalisation des couches (LN) et l’activation de Hardswish (HS) ont été configurées avec des connexions résiduelles suivant l’équation (1) :
La composante Descripteur Spatial Local (LSD) a été mise en œuvre pour maintenir la cohérence spatiale. Le module de balayage spatial sélectif 2D (SS2D) a été configuré avec des schémas de balayage multidirectionnel suivant l’équation (2) :
Le traitement multi-couches par perceptron (MLP) a été ajouté avec des connexions résiduelles comme spécifié dans l’équation (3) :
Le mécanisme de balayage sélectif 2D d’ordre élevé (H-SS2D) projette des caractéristiques d’entrée dans un espace de dimension 2C pour une modélisation contextuelle améliorée.
Implémentation du réseau flexible parallèle multi-profondeur (PMFlex)
Le module PMFlex a été configuré selon les spécifications de la Figure 3 . La normalisation des couches a été appliquée aux cartes de caractéristiques d’entrée X(C, H×W), puis partitionnées en quatre segments le long de la dimension du canal suivant l’équation (4) :
Chaque fonctionnalité segmentée Y_i était traitée via des modules partagés Visual Mamba (VMamba). Les sorties traitées étaient concaténées, et un raffinement appliqué via la normalisation des couches et la projection comme décrit dans l’équation (5) :
Mise en œuvre du réseau de fusion à attention dilatée multi-échelle (MSDAFN)
Le module MSDAFN a été implémenté selon l’architecture Figure 4. Les opérations de convolution parallèles étaient configurées avec des taux de dilatation de 6, 12 et 18 pour l’extraction de caractéristiques à plusieurs échelles selon l’équation (6) :
Des fonctionnalités multi-échelles ont été intégrées par concaténation de canaux comme spécifié dans l’équation (7) :
Des mécanismes d’attention double ont été mis en place pour le recalibrage des fonctionnalités. Les pondérations d’attention des canaux ont été calculées à l’aide du regroupement global moyen suivant l’équation (8) :
La pondération de l’attention du canal a été appliquée comme décrit dans l’équation (9) :
L’attention spatiale a été configurée par des opérations de convolution suivant l’équation (10) :
L’attention du canal et spatiale a été combinée comme spécifié dans l’équation (11) :
Configuration et optimisation de l’entraînement
Configuration de l’environnement
L’environnement expérimental était configuré sur un système Ubuntu 20.04 avec un GPU (32 Go de VRAM). Python 3.8, un framework d’apprentissage profond (RRID : SCR_018536) et CUDA 11.8 ont été installés. La taille de l’image d’entrée était réglée à 256 × 256 pixels pour les tâches de lésions cutanées.
Fonction de perte et configuration de l’optimiseur
La fonction de perte BceDice a été implémentée pour l’optimisation de l’entraînement. L’optimiseur AdamW était configuré avec un taux d’apprentissage initial de 0,001, une taille de lot de 8 et 250 époques d’entraînement. Une décroissance de poids de 1 × 10⁻5 a été appliquée pour la régularisation.
Pour la configuration de base, cette étude se réfère aux travaux de Liu et al. (2024) sur le modèle Vmamba, qui a été utilisé comme modèle d’espace d’état visuel pour la tâche11 de classification médicale de l’image. Les configurations exactes et les scripts utilisés pour implémenter Vmamba sont basés sur leurs travaux publiés et adaptés pour cette étude, avec des ajustements spécifiques pour mieux s’adapter à l’ensemble de données d’imagerie médicale.
La planification des taux d’apprentissage a été mise en place par recuit cosinus avec des redémarrages à chaud. Configurez T_0 = 10 époques pour la période de redémarrage initiale, T_mult = 2 pour la multiplication des périodes, et η_min = 1 × 10⁻6 pour le taux d’apprentissage minimum.
Optimisation des hyperparamètres
Pour garantir la reproductibilité et la cohérence, toutes les expériences ont été menées avec une graine aléatoire fixe de 42. L’optimisation systématique des hyperparamètres a été réalisée en se concentrant sur la taille du lot, le taux d’apprentissage et le taux de chemin de chute. Les tailles de lots de 4, 8, 16 et 32 ont été évaluées. Les taux d’apprentissage de 0,0005, 0,001, 0,0015 et 0,002 ont été testés. La performance de validation a été surveillée en utilisant le coefficient de similarité de dés (DSC) comme métrique principale. Les tailles de lots supérieures à 8 peuvent entraîner un débordement de mémoire sur les GPU de moins de 32 Go de VRAM.
Évaluation du modèle et évaluation de la performance
Configuration des métriques d’évaluation
Des métriques d’évaluation complètes, incluant la Moyenne d’Intersection sur Union (mIoU), le Coefficient de Similarité de Dice (DSC), la Sensibilité (Sen), la Spécificité (Spe) et la Précision (Acc), ont été mises en œuvre. Les métriques ont été calculées selon les formulations suivantes :
L’intersection moyenne sur Union (mIoU) quantifie le chevauchement entre segmentation prédite et segmentation de vérité sur le terrain :
Le coefficient de similarité des dés (DSC) mesure la cohérence de segmentation. Les valeurs varient de 0 à 1, les valeurs plus élevées indiquant une meilleure performance :
La sensibilité (Sen) mesure la capacité du modèle à détecter des échantillons positifs :
La spécificité S(Spe) évalue la reconnaissance correcte négative de l’échantillon :
La précision (Acc) mesure la correction globale de la prédiction :
Les paramètres (M) reflètent la complexité du modèle, mesurant les paramètres totaux entraînables :
où Pi est le nombre de paramètres dans la i-ème couche, et N est le nombre total de couches. Des comptes de paramètres plus petits indiquent des modèles plus légers adaptés au déploiement clinique.
Protocole de l’étude d’ablation
Des études d’ablation complètes ont été menées pour valider les contributions des composants architecturaux selon la conception expérimentale du Tableau 1. Quatre variantes architecturales ont été évaluées : H-MUNet (base sans MSDAFN et PMFlex), HP-MUNet (sans MSDAFN), HM-MUNet (sans PMFlex) et HMP-MUNet (modèle complet).
Des paramètres d’entraînement identiques ont été configurés pour toutes les variantes : taux d’apprentissage 0,001, taille de lot 8, 250 époques. La convergence de l’entraînement a été surveillée et les améliorations de performance validées pour chaque ajout de composant.
Analyse de l’efficacité computationnelle
Les métriques d’efficacité computationnelle, incluant le nombre de paramètres, les FLOPs et le temps d’inférence entre différentes architectures, ont été mesurées. L’évaluation du temps d’inférence du modèle sur un GPU clinique standard montre que, bien qu’il performe mieux sur des GPU haute performance, le modèle est environ 70 % plus lent sur le matériel plus couramment utilisé. Néanmoins, il reste capable de vitesses d’inférence efficaces, ce qui le rend adapté à un déploiement clinique pratique. Surveillez l’utilisation de la mémoire GPU pendant l’entraînement pour garantir la stabilité du système. Mémoire GPU minimale recommandée pour la taille 8 du lot.
Validation et analyse
Benchmarking des performances
Les performances de HMP-MUNet ont été comparées à des méthodes de pointe sur les deux ensembles de données. Tous les modèles comparés ont été mis en œuvre et entraînés selon les mêmes protocoles de répartition des données, prétraitement, augmentation des données et entraînement afin de garantir que les différences de performance soient uniquement dues à des différences architecturales. Les résultats quantitatifs, incluant des améliorations DSC de 2,89 % et 5,25 % sur les ensembles de données ISIC2018 et PH2, ont été documentés respectivement. L’étude a validé que le nombre de paramètres est réduit de 4,55 fois par rapport à la référence U-Net.
Analyse statistique
Des tests de signification statistique ont été réalisés à l’aide de tests t par paires pour la comparaison de performances. Des intervalles de confiance ont été calculés pour les indicateurs rapportés. La reproductibilité a été assurée grâce à plusieurs entraînements avec différentes graines aléatoires.
Les configurations optimales d’hyperparamètres ont été enregistrées avec une taille de lot 8 et un taux d’apprentissage de 0,001, atteignant un DSC maximal de 0,9585 sur le jeu de données PH2 et 0,9044 sur le jeu de données ISIC2018, comme documenté dans les résultats expérimentaux. Des données de validation suffisantes ont été assurées pour éviter le sur-ajustement. Les courbes de perte de validation ont été surveillées pour appliquer des critères d’arrêt précoce.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Conception de l’architecture HMP-MUNet pour segmentation d’images médicales
L’architecture HMP-MUNet proposée a démontré des performances exceptionnelles dans les tâches automatisées de segmentation des lésions cutanées. La Figure 1 illustre l’architecture complète du réseau, présentant la structure hiérarchique encodeur-décodeur en U avec une expansion progressive des canaux de 8 à 256 canaux. L’intégration de tr...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
Cette étude présente HMP-MUNet (High-order Multi-scale Parallel Vision Mamba U-Net), un nouveau cadre d’apprentissage profond qui répond aux défis fondamentaux du diagnostic assisté par ordinateur (CAO) de la segmentation cutanée des lésions grâce à une intégration innovante de modèles d’espace-état (SSM) avec des composants architecturauxavancés 1. L’approche décrite ici démontre que combiner des mécanismes d’interaction de caractéristiques de haut ordre avec une...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Les auteurs déclarent qu’ils n’ont aucun conflit d’intérêts liés à cette recherche. Aucune relation financière n’existe entre les auteurs et toute entité commerciale susceptible d’influencer de manière inappropriée l’œuvre présentée dans ce manuscrit. Cette recherche a été menée de manière indépendante, et les résultats et conclusions sont exclusivement ceux des auteurs. Le texte de ce manuscrit a été révisé et peaufiné avec l’aide de ChatGPT, car l’anglais n’est pas la langue maternelle des auteurs. Les auteurs confirment que l’utilisation de l’aide par IA se limitait à la modification linguistique et n’impliquait aucune génération ou analyse de contenu susceptible d’affecter l’intégrité scientifique du travail.
Remerciements
Les auteurs reconnaissent chaleureusement le soutien financier apporté par le projet de recherche scientifique du Département provincial de l’Éducation du Liaoning dans le cadre de la subvention LJ212510149013 et du programme général de la National Natural Science Foundation of Liaoning Province 2024-MSLH-377, qui a rendu possible cette recherche. Nous remercions les participants à la recherche et les institutions qui ont contribué aux ensembles de données accessibles au public utilisés dans cette étude, ce qui a permis une validation complète de notre méthodologie proposée.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| CUDA 11.8 | NVIDIA Corporation, Santa Clara, CA, États-Unis | Logiciels | |
| GPU (32 Go de VRAM) | NVIDIA | Système d’exploitation | |
| ISIC2017 Jeu de données | Défi ISIC | https://challenge.isic-archive.com/data | Ensembles de données |
| ISIC2018 Jeu de données | Défi ISIC | https://challenge.isic-archive.com/data | Ensembles de données |
| NVIDIA V100 GPU | NVIDIA Corporation, Santa Clara, CA, États-Unis | Matériel | |
| Jeu de données PH2 | Universidade Do Porto | https://www.fc.up.pt/addi/ph2 | Ensembles de données |
| Python 3.8 | Python | RRID : SCR_018536 | Logiciels |
| PyTorch 1.13.0 | PyTorch | RRID : SCR_018536 | Logiciels |
| Ubuntu 20.04 | Canonique | Matériel |
Références
- Maurya, S., et al. A review on recent developments in cancer detection using machine learning and deep learning models. Biomed Signal Process Control. 80 (2), 104398(2023).
- Siegel, R. L., Miller, K. D., Wagle, N. S., Jemal, A. Cancer statistics, 2023. CA Cancer J Clin. 73 (1), 17-48 (2023).
- Esteva, A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 542 (7639), 115-118 (2017).
- Haenssle, H. A., et al. against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 29 (8), 1836-1842 (2018).
- Argenziano, G., et al. Dermoscopy of pigmented skin lesions: results of a consensus meeting via the Internet. J Am Acad Dermatol. 48 (5), 679-693 (2003).
- Naeem, A., et al. SNC_Net: skin cancer detection by integrating handcrafted and deep learning-based features using dermoscopy images. Mathematics. 12 (7), 1030(2024).
- Celebi, M. E., et al. A state-of-the-art survey on lesion border detection in dermoscopy images. Dermoscopy Image Anal. 10, 97-129 (2015).
- Nachbar, F., et al. The ABCD rule of dermatoscopy: high prospective value in the diagnosis of doubtful melanocytic skin lesions. J Am Acad Dermatol. 30 (4), 551-559 (1994).
- Ronneberger, O., Fischer, P., Brox, T. U-net: convolutional networks for biomedical image segmentation. Med Image Comput Comput Assist Interv. 9351, 234-241 (2015).
- Gu, A., Dao, T. Mamba:linear-time sequence modeling with selective state spaces. arXiv. , (2023).
- Liu, Y., et al. Vmamba: visual state space model. Adv Neural Inf Process Syst. 37, 103031-103063 (2024).
- Zhang, J., Zhu, H., Wang, P., Ling, X. ATT squeeze U-net: a lightweight network for forest fire detection and recognition. IEEE Access. 9, 10858-10870 (2021).
- U-net v2: rethinking the skip connections of U-net for medical image segmentation. Peng, Y., Chen, D. Z., Sonka, M. 2025 IEEE 22nd International Symposium on Biomedical Imaging (ISBI), Houston, TX, USA, , (2025).
- Zhou, Z., et al. UNet++: a nested U-net architecture for medical image segmentation. Deep Learn Med Image Anal Multimodal Learn Clin Decis Support (2018). 11045, 3-11 (2018).
- Hu, S., Liao, Z., Xia, Y. Devil is in channels: contrastive single domain generalization for medical image segmentation. Medical Image Computing and Computer Assisted Intervention – MICCAI 2023. , Springer. Cham. (2023).
- Xu, W., Wang, Z. SCRNet:spatial-channel regulation network for medical ultrasound image segmentation. arXiv. arXiv. , (2025).
- Yue, Y., Li, Z. MedMamba: vision mamba for medical image classification. arXiv. , (2024).
- Efficiently modeling long sequences with structured state spaces. Gu, A., Goel, K., Ré, C. Proc Int Conf Mach Learn, 162, 8098-8109 (2022).
- Wu, R., Liu, Y., Liang, P., Chang, Q. UltraLight VM-UNet: parallel vision mamba significantly reduces parameters for skin lesion segmentation. arXiv. , (2024).
- Wu, R., Liu, Y., Liang, P., Chang, Q. H-vmunet:high-order vision mamba unet for medical image segmentation. Neurocomput. 624, 129447(2025).
- Fully convolutional networks for semantic segmentation. Long, J., Shelhamer, E., Darrell, T. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, USA, , (2015).
- Chen, J., et al. TransUNet: transformers make strong encoders for medical image segmentation. arXiv. , (2021).
- Cao, H., et al. Swin-unet:unet-like pure transformer for medical image segmentation. Lect Notes Comput Sci. 13803, 205-218 (2023).
- Ibtehaz, N., Rahman, M. S. MultiResUNet: rethinking the U-net architecture for multimodal biomedical image segmentation. Neural Netw. 121, 74-87 (2020).
- Aruk, I., Pacal, I., Toprak, A. N. A novel hybrid ConvNeXt-based approach for enhanced skin lesion classification. Expert Syst Appl. 283, 127721(2025).
- Pacal, I., et al. A novel CNN-ViT-based deep learning model for early skin cancer diagnosis. Biomed Signal Process Control. 104, 107627(2025).
- Zhang, D. Y., et al. Implementation of digital pathology and artificial intelligence in routine pathology practice. Lab Invest. 104 (9), 102111(2024).
- Malunet: a multi-attention and lightweight unet for skin lesion segmentation. Ruan, J., Xiang, S., Xie, M., Liu, T., Fu, Y. 2022 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Las Vegas, NV, USA, , (2022).
- Wu, R., et al. Mhorunet:high-order spatial interaction unet for skin lesion segmentation. Biomed Signal Process Control. 88, 105517(2024).
- Pacal, I., Attallah, O. Hybrid deep learning model for automated colorectal cancer detection using local and global feature extraction. Knowl Based Syst. 319, 113625(2025).
- Pacal, I., Attallah, O. InceptionNeXt-transformer: a novel multi-scale deep feature learning architecture for multimodal breast cancer diagnosis. Biomed Signal Process Control. 110, 108116(2025).
- Vaswani, A., et al. Attention is all you need. Adv Neural Inf Process Syst. 30, 5998-6008 (2017).
- Phillips, M., et al. Assessment of accuracy of an artificial intelligence algorithm to detect melanoma in images of skin lesions. JAMA Netw Open. 2 (10), e1913436(2019).
- Wang, S., et al. Linformer:self-attention with linear complexity. arXiv. , (2020).
- A simple framework for contrastive learning of visual representations. Chen, T., et al. Proceedings of the 37th International Conference on Machine Learning, 119, Vienna, Austria. 1597-1607 (2020).
- Huang, S. C., et al. Fusion of medical imaging and electronic health records using deep learning: a systematic review and implementation guidelines. NPJ Digit Med. 3, 136(2020).
- Litjens, G., et al. A survey on deep learning in medical image analysis. Med Image Anal. 42, 60-88 (2017).
- Campanella, G., et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nat Med. 25 (8), 1301-1309 (2019).
- Gulshan, V., et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA. 316 (22), 2402-2410 (2016).
- McKinney, S. M., et al. International evaluation of an AI system for breast cancer screening. Nat. 577 (7788), 89-94 (2020).
- Krizhevsky, A., Sutskever, I., Hinton, G. E. ImageNet classification with deep convolutional neural networks. Commun ACM. 60 (6), 84-90 (2017).
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.