Une méthode explicable d’apprentissage par transfert basée sur l’IA pour la prédiction du cancer du sein

Résumé

Un protocole explicable de transfert d’apprentissage utilisant EfficientNet-B0 et Grad-CAM est développé pour classer les images échographiques mammaires en catégories bénignes, malignes et normales, fournissant des cartes thermiques diagnostiques interprétables adaptées aux applications de soutien à la décision clinique.

Résumé

L’identification du cancer du sein par échographie nécessite une grande précision et transparence pour aider les cliniciens à prendre des décisions appropriées. Ce travail démontre un système d’apprentissage profond pour la classification des images d’échographies mammaires en images bénignes, malignes et normales utilisant l’architecture EfficientNet-B0 affinée sur le jeu de données Breast Ultrasound Identification (BUSI). Pour atténuer le déséquilibre de classe et stabiliser le réseau, une augmentation des données incluant des basculements horizontaux aléatoires, des rotations et des oscillations de couleur est appliquée. La cartographie d’activation par classe pondérée par gradient (Grad-CAM) est utilisée pour générer des explications visuelles en identifiant des zones d’intérêt telles que les marges tumorales et les motifs de textures. Le modèle a atteint une précision moyenne de 99 %, démontrant une forte efficacité dans la détection des lésions. L’intégration de l’IA explicable (XAI) améliore non seulement la confiance en le diagnostic, mais comble également le fossé entre la pratique clinique et l’IA. Les résultats démontrent le potentiel de combiner des modèles d’apprentissage profond performants avec des méthodes d’interprétabilité pour développer des outils fiables de diagnostic du cancer du sein, adaptés à la pratique clinique réelle.

Introduction

Le cancer du sein est l’une des maladies les plus graves et potentiellement mortelles touchant les femmes dans le monde entier. Selon l’Organisation mondiale de la santé (OMS), le cancer du sein contribue à la majorité des décès liés au cancer, et un diagnostic précoce est crucial pour améliorer le taux^{de survie 1}. L’imagerie par ultrasons est devenue une procédure diagnostique courante pour le cancer du sein car elle est sûre, peu coûteuse et peut produire des images en temps réel. Contrairement à la mammographie, l’échographie est extrêmement efficace pour différencier les masses solides et la croissance contenant du liquide et constitue donc un excellent outil diagnostique en cas de pathologie mammaire. L’interprétation des images par échographie est très subjective et dépend d’une expertise de haut niveau, ce qui entraîne une variabilité du diagnostic et une possible erreur humaine.

Au cours des dernières années, l’IA et l’apprentissage profond ont démontré d’immenses capacités dans l’automatisation de l’analyse d’images médicales. Les modèles basés sur l’apprentissage profond, en particulier les CNN, excellent dans la segmentation, la détection et la classification^{des objets 2}. Cependant, l’adoption de l’IA dans le secteur de la santé est freinée par la nature « boîte noire » de ces modèles. Le terme « boîte noire » fait référence au manque de transparence dans la manière dont un modèle parvient à une conclusion précise ; Bien que les entrées et sorties soient connues, la logique interne et les fonctionnalités spécifiques utilisées pour faire une prédiction clinique restent cachées à l’utilisateur.

La motivation de ce travail découle du besoin pressant d’instruments fiables pour soutenir le diagnostic précoce du cancer du sein, qui reste une cause majeure de mortalité féminine à l’échelle mondiale. Bien que les modèles d’apprentissage profond soient très efficaces, leur manque d’interprétabilité limite l’intégration dans les milieux^{cliniques 3}. Le présent travail comble ces lacunes en utilisant EfficientNet-B0 pour la classification haute performance et en intégrant des techniques d’IA explicable (XAI), telles que Grad-CAM, afin de fournir des informations visuelles sur le processus décisionnel du modèle. En équilibrant transparence et précision, cette étude vise à développer un système d’IA fiable qui offre un soutien diagnostique solide aux cliniciens. Les méthodes XAI révèlent le raisonnement sous-jacent des prédictions des modèles, permettant aux cliniciens de vérifier les résultats et de combler l’écart entre la pratique clinique et les systèmes^{automatisés 4}. Dans la classification par échographie mammaire, cette interprétabilité garantit que les diagnostics basés sur l’IA sont à la fois précis et cliniquement justifiables.

Malgré les avancées en apprentissage profond, la classification des images par échographie mammaire n’est pas exempte de défis, notamment un déséquilibre de classe, où des classes minoritaires comme les tumeurs malignes sont sous-représentées, conduisant à des modèles^{biaisés 5}. Le manque d’interprétabilité dans les modèles d’apprentissage profond les rend difficiles à appliquer en pratique clinique, car les cliniciens exigent une prise de décision transparente. Des contraintes sur le jeu de données, telles que la taille et la diversité limitées, limitent la généralisabilité des modèles, tandis que les caractéristiques complexes des images en échographie, telles que les bordures tumorales et la texture, sont difficiles à apprendre⁶. Les solutions aux problèmes mentionnés plus haut nécessitent un cadre robuste et interprétable garantissant une grande précision avec une compréhension claire de la prédiction du^{modèle 7}.

L’étude vise à développer un cadre d’apprentissage profond capable de classer les images échographiques mammaires en catégories bénignes, malignes et normales, tout en améliorant la généralisation grâce à une augmentation ciblée pour les classes minoritaires. Le cadre intègre la cartographie d’activation des classes pondérée en gradient pour fournir des explications visuelles des prédictions et évalue la performance en utilisant la précision, la précision, la mémoire et le score F1, démontrant ainsi son adéquation en tant que système d’aide à la décision clinique interprétable. Contrairement aux études explicables basées sur les échographies sur le cancer du sein menées plus tôt, où Grad-CAM est principalement utilisé comme visualisation^{post-hoc 8}, le cadre proposé combine un prétraitement conscient des lésions et un apprentissage conscient de la classe lors de la phase d’entraînement. Les masques de base du jeu de données Breast Ultrasound Imaging (BUSI) sont superposés aux images échographiques pour mettre en évidence les limites des lésions et des schémas d’écho internes lors de l’extraction des caractéristiques, et l’augmentation sélective est utilisée sur les groupes diagnostiques minoritaires pour réduire le déséquilibre dans les classes sans modifier les caractéristiques d’apparence cliniquement^{significatives 9}. Cette combinaison d’amélioration des lésions par les lésions, de l’apprentissage par transfert EfficientNet-B0 et de l’explicabilité Grad-CAM est une combinaison qui améliore la robustesse diagnostique et permet d’interpréter des interprétations cohérentes avec la morphologie des lésions, ce qui justifie l’hypothèse selon laquelle l’amélioration et l’explicabilité des lésions guidées anatomiquement peuvent rendre les diagnostics du cancer du sein assistés par IA fiables et dignes^{de confiance 10}.

L’imagerie médicale traditionnelle reposait traditionnellement sur des méthodes conventionnelles de traitement d’image, intégrant filtrage, segmentation et opérations morphologiques pour identifier les structures visibles en vue du diagnostic¹¹. Cependant, ces processus nécessitaient généralement un réglage manuel et peinaient à s’adapter à la variabilité et à la complexité inhérentes des images médicales. Par exemple, l’interprétation par échographie mammaire dépendait historiquement de l’expertise subjective des radiologues, où l’identification des lésions malignes et bénignes reposait sur des représentations visuelles sujettes à l’erreur humaine ou à la mauvaise interprétation.

L’avènement de l’apprentissage profond a catalysé une révolution transformatrice dans l’imagerie médicale, principalement grâce au déploiement des réseaux neuronaux convolutionnels (CNN⁾¹². Parmi celles-ci, EfficientNet-B0 représente une innovation significative, utilisant une méthode de mise à l’échelle composée qui équilibre la profondeur, la largeur et la résolution du réseau afin d’obtenir des calculs très efficaces et précis. Dans le contexte de l’imagerie mammaire, le modèle utilise des couches convolutionnelles séquentielles pour apprendre automatiquement les caractéristiques hiérarchiques, éliminant ainsi ainsi le besoin d’extraction manuelle subjective des caractéristiques tout en améliorant significativement la précision et la fiabilité^{diagnostique 13}. Malgré ce potentiel impressionnant, l’apprentissage profond en imagerie médicale reste un domaine en évolution avec des défis non résolus. La qualité et la disponibilité des données sont primordiales, car les modèles d’apprentissage profond nécessitent d’immenses dépôts d’images annotées pour garantir une généralisation réussie. De plus, la nature « boîte noire » de ces modèles pose des obstacles importants à l’acceptabilité clinique ; Des préoccupations éthiques concernant les biais potentiels dans les données d’entraînement peuvent également conduire à des prédictions diagnostiques biaisées^{ou discriminatoires 14}. Par conséquent, cette recherche nécessite des protocoles de tests et de validation rigoureux afin de garantir que les modèles restent objectifs et cliniquement solides. Pour remédier à ces limites, les développements actuels en apprentissage profond se concentrent sur l’amélioration de l’interprétabilité et de la robustesse des modèles. Des techniques telles que la cartographie d’activation des classes pondérée par gradient (Grad-CAM), telles qu’appliquées dans cette étude, permettent de visualiser des régions d’image spécifiques qui influencent les résultats du modèle, favorisant ainsi une compréhension plus approfondie du comportement des modèles et soutenant la prise de décision clinique. De plus, les avancées dans les cadres d’apprentissage fédéré facilitent des collaborations soucieuses de la vie privée entre institutions, permettant l’utilisation de données hétérogènes sans avoir à partager des ensembles de données brutes. Ces avancées permettent progressivement des applications d’apprentissage profond plus fiables, interprétables et impartiales en imagerie médicale, améliorant finalement les critères cliniques et la prise en charge des ^{patients 15}.

L’importance des systèmes de décision médicale^{interprétables a} été mise en lumière par les progrès récents en intelligence artificielle explicable. Cadres interprétables : les cadres interprétables fondés sur la fusion ont montré une meilleure classification et transparence grâce à la combinaison de plus d’une représentation des caractéristiques et de plus d’un mécanisme^{d’explication 17}. Des recherches récentes ont démontré un fort potentiel d’utilisation de modèles d’apprentissage profond conjointement avec les méthodes XAI pour renforcer la confiance diagnostique dans le diagnostic du cancer du sein et d’autres tâches de prédiction médicale. Ces articles soutiennent la nécessité d’avoir à la fois un raisonnement prédictif et interprétable élevé par les cliniciens, ce qui est cohérent avec l’objectif de l’étude actuelle de créer un système de classification par échographies efficace^{et compréhensible 18}.

Le tableau 1 présente la revue de la littérature et les technologies existantes.

Études	Objectif	Remarque
Humayra Afrin et al. (2023)19	Examinez les applications d’apprentissage profond pour le diagnostic et le pronostic de l’échographie de masse mammaire.	La classification des lésions a montré la performance la plus élevée, avec moins d’études sur le pronostic.
Gelan Ayana et al. (2022)20	Examinez les nanoporteurs guidés par échographie pour la chimiothérapie contre le cancer du sein.	Les nanoporteurs réactifs à l’échographie améliorent l’administration des médicaments mais font face à des barrières physiologiques.
Valerio Di Paola et al. (2022)21	Analysez les techniques d’imagerie pour une stadification N-précise dans le cancer du sein.	L’IRM et l’échographie jouent un rôle clé, mais les faux positifs/négatifs affectent la précision diagnostique.
Adyasha Sahu et al. (2024)22	Proposez un classificateur d’apprentissage profond en ensemble pour la détection du cancer du sein.	A obtenu une grande précision grâce à AlexNet, ResNet et MobileNetV2 avec LoG et high-boosting.
Alireza Rezazadeh et al.(2022)23	Développer un pipeline explicable de ML pour le diagnostic du cancer du sein à l’aide d’images échographiques.	Utilise des caractéristiques de texture et des ensembles d’arbres de décision pour améliorer l’interprétabilité des prédictions.
Asaf Raza et al. (2023)24	Développez DeepBreastCancerNet pour une détection robuste du cancer du sein.	A obtenu une précision de 99,63 % grâce à une architecture à 24 couches avec plusieurs optimisations.
Kiran Jabeen et al. (2022)25	Proposez un cadre d’apprentissage profond utilisant DarkNet-53 et la fusion des fonctionnalités.	A obtenu une précision de 99,1 % grâce à des techniques optimisées de sélection des caractéristiques.
Gelan Ayana et al. (2022)26	Développer l’apprentissage par transfert multi-étapes (MSTL) pour la classification par échographie du cancer du sein.	Amélioration de la précision grâce à l’apprentissage par transfert basé sur l’image médicale avec EfficientNetB2, InceptionV3 et ResNet50.
Saksham Gupta et al. (2023)27	Utilisez un ResNet50 modifié pour la classification par échographie du cancer du sein.	A obtenu une précision de 97,8 %, réduisant le temps de diagnostic et améliorant la détection précoce.
Karl Kratkiewicz et al. (2022)28	Examinez les méthodes d’imagerie avancées comme la tomographie par ultrasons (UST) et la tomographie photoacoustique (PAT).	L’UST et la PAT améliorent la détection du cancer du sein grâce à l’imagerie quantitative.

Tableau 1 : Présente la littérature et la revue des technologies existantes.

Le modèle suggéré repose sur les avancées en apprentissage profond dans la classification des images échographiques mammaires, ce qui permet de surmonter les principaux défis de cette recherche, notamment la qualité des données, l’interprétabilité d’un modèle et l’efficacité des calculs. Contrairement aux anciennes techniques, où l’extraction manuelle des caractéristiques est utilisée, dans ce travail, les auteurs tirent parti d’EfficientNet-B0, la dernière architecture, qui combine profondeur, largeur et résolution pour créer le meilleur schéma de fonctionnement. Le modèle utilise Grad-CAM pour visualiser l’explication de sa prédiction, ce qui augmente sa transparence et sa confiance clinique. Bien que les solutions actuelles, y compris les modèles d’ensemble et l’apprentissage par transfert, soient devenues très précises, elles ne peuvent pas être facilement interprétées ou peuvent nécessiter une grande puissance de calcul. Le travail présenté répond à ces lacunes car il est à la fois très précis (99) et interprétable afin de garantir que le modèle soit fiable et viable dans les aspects pratiques de la prise de décision clinique. L’approche proposée en se concentrant sur le déséquilibre entre les classes et l’utilisation pratique est une nouvelle norme de diagnostic du cancer du sein piloté par l’IA.

L’article utilise un BUSI accessible publiquement, un ensemble préalablement collecté d’images cliniques anonymisées. Il n’y avait pas de sujets humains et d’animaux directs dans cette étude, et donc pas besoin d’approbation éthique institutionnelle (IRB/IACUC). Toutes les opérations sont conformes aux normes communes concernant l’utilisation secondaire des données d’imagerie médicale accessibles au public.

Protocole

1. Caractéristiques du jeu de données

L’étude a utilisé le jeu de données public Breast Ultrasound Images (BUSI), qui a fourni un dépôt bien documenté pour l’analyse et la classification du^{cancer du sein 29}. Cet ensemble de données s’est avéré particulièrement approprié car il incorporait une vaste collection d’images ultrasonores nécessaires pour établir et valider des modèles d’apprentissage profond pour l’imagerie médicale. L’ensemble de données comprenait 780 images d’échographies collectées auprès de 600 femmes âgées de 25 à 75 ans, représentant une population diversifiée pour le diagnostic du cancer du sein. Toutes les images maintenaient une résolution moyenne de 500 x 500 pixels et utilisaient le format PNG pour préserver des données visuelles de haute qualité pour analyse. La figure 1 illustre le flux de travail global du cadre proposé, incluant le prétraitement, l’augmentation, l’extraction de caractéristiques EfficientNet-B0, la classification et l’interprétabilité Grad-CAM.

Figure 1 : Échantillons représentatifs issus du jeu de données BUSI. (A) Images bénignes, (B) malignes, et (C) Normales. Les panneaux illustrent la diversité morphologique utilisée pour la formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

2. Flux de travail expérimental

Pour garantir la reproductibilité, l’enquête a exécuté le pipeline de traitement en étapes séquentielles. D’abord, le système a chargé les images ultrasonores BUSI et les masques de géovérité correspondants, puis les a redimensionnés à 224×224 pixels, suivi de la normalisation ImageNet. Deuxièmement, le cadre superposait chaque image de son masque pour mettre en avant de diviser le jeu de données en sous-ensembles d’entraînement (70 %), de validation (15 %) et de test (15 %) utilisant un échantillonnage stratifié. Troisièmement, l’étude a appliqué une augmentation ciblée comprenant le retournement horizontal, la rotation (±15°) et le jittering des couleurs, principalement aux classes minoritaires. Quatrièmement, les chercheurs ont affiné le modèle EfficientNet-B0, qui était pré-entraîné sur ImageNet, en remplaçant la couche finale de classification par une couche de sortie à trois classes. Le processus d’entraînement utilisait l’optimiseur Adam (taux d’apprentissage 0,00005), la décroissance du taux d’apprentissage par étapes (γ = 0,1 toutes les 7 époques), la perte d’entropie croisée, une taille de lot de 8, et un arrêt précoce avec une patience de 2. Enfin, Grad-CAM a généré des cartes thermiques de l’attention à partir de la dernière couche convolutionnelle afin de visualiser les régions diagnostiquement pertinentes et de soutenir l’interprétation clinique. Le tableau des matériaux liste les ensembles de données essentiels, les bibliothèques logicielles et les configurations matérielles nécessaires pour reproduire le cadre de classification et d’interprétabilité par échographie mammaire de l’étude.

L’ensemble de données BUSI présentait un déséquilibre naturel de classes, une caractéristique fréquemment observée dans les ensembles médicaux. La distribution favorisait la classe bénigne, suivie des cas malins et normaux. Plus précisément, le jeu de données contenait 487 images bénignes, 210 malignes et 133 images normales. Bien que l’augmentation des données ait augmenté la variabilité de l’entraînement, elle n’a pas modifié le nombre fondamental d’échantillons dans chaque classe. Cette distribution reflétait des scénarios cliniques réels où les affections bénignes surviennent plus fréquemment que les tumeurs malignes. Bien qu’un tel déséquilibre ait représenté avec précision la prévalence des anomalies mammaires en milieu clinique, il posait des défis pour la formation en apprentissage profond, car il pouvait conduire à des prédictions biaisées et à des performances sous-optimales pour les classes minoritaires. Par conséquent, atténuer ce déséquilibre est devenu essentiel pour formuler un modèle efficace et généralisable qui fonctionne efficacement dans chaque catégorie diagnostique. La figure 2 présente des images échographiques représentatives issues de l’ensemble de données, illustrant des exemples d’échantillons de tissu mammaire bénins, malins et normaux.

Figure 2 : Flux de travail proposé pour le modèle. Pipeline séquentiel allant du prétraitement d’entrée et de superposition masque à la formation EfficientNet-B0 et à la sortie Grad-CAM. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

3. Prétraitement des données

L’étude a redimensionné toutes les images à 224 x 224 pixels, en respectant les dimensions d’entrée standard pour l’architecture EfficientNet-B0. Ce redimensionnement a assuré la cohérence des ensembles de données et réduit les exigences de calcul, telles que définies par l’équation 1.

     

Le cadre a normalisé les valeurs des pixels en utilisant la moyenne et l’écart-type de l’ensemble de données ImageNet ([0,485, 0,456, 0,406] pour la moyenne et [0,229, 0,224, 0,225] pour la standard). Cette normalisation a mis à l’échelle les données d’entrée afin d’améliorer la stabilité de l’entraînement et la vitesse de convergence, calculées selon l’équation 2.

      

Pour améliorer l’extraction des caractéristiques et l’identification des régions d’intérêt, les chercheurs ont superposé les images originales à leurs masques de réalité sur le terrain correspondants. La figure 3 illustre les masques de lésion sur le terrain et les images ultrasonores superposées qui ont mis en évidence les limites tumorales.

Figure 3 : Masque et images superposées. (A) Échographie originale, (B) masque de réflexion sur le terrain, et (C) superposition résultante mettant en évidence les limites tumorales pour l’attention spatiale. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Cette superposition a identifié des régions critiques, telles que les marges tumorales et les motifs de textures, fournissant au modèle un contexte spatial localisé pour améliorer la précision de la classification, comme montré dans l’équation 3.

      

L’étude a utilisé exclusivement l’opération de superposition masque lors de la préparation des données d’entraînement pour compléter la connaissance des limites de lésions lors de l’apprentissage des caractéristiques. En revanche, les phases de validation et d’inférence n’utilisaient que les images échographiques originales sans masques, maintenant un pipeline conventionnel de classification des images. Comme les masques de segmentation binaire dans le jeu de données BUSI représentaient des structures déjà inhérentes aux images ultrasoniques, ils n’ont pas introduit de nouvelles étiquettes de classe. Pour éviter toute fuite d’informations, l’enquête a divisé le jeu de données en ensembles d’entraînement, de validation et de test, garantissant qu’aucune paire d’images ou de masques chevauchant n’était partagée entre les sous-ensembles. Par conséquent, la superposition fonctionnait comme un guide d’attention spatiale qui mettait en évidence des zones anatomiquement significatives sans compromettre l’indépendance des données d’évaluation.

4. Augmentation des données

L’étude a mis en œuvre une augmentation ciblée des données afin de réduire le déséquilibre de classes au sein de l’ensemble d’entraînement, en se concentrant spécifiquement sur les classes minoritaires malignes et normales. Le cadre utilisait une large gamme de transformations pour augmenter artificiellement la variabilité des données d’entraînement et améliorer la capacité du modèle à généraliser à diverses conditions d’imagerie.

Premièrement, le système effectuait un retournement horizontal avec une probabilité de 0,9 (90 %), permettant au modèle de reconnaître les caractéristiques quelle que soit la direction de balayage. Cette transformation suivait l’équation 4 :

      

Deuxièmement, l’étude a appliqué des rotations aléatoires dans une plage de ±15° pour simuler les variations des angles de balayage et la position des patients. Ce processus a obligé le modèle à apprendre des caractéristiques invariantes par rotation, telles que les marges tumorales et les motifs de textures, telles que définies par l’équation 5 :

      

Troisièmement, les chercheurs ont utilisé le vibration des couleurs pour simuler des variations d’éclairage, de contraste et d’équilibre des couleurs. Le cadre ajustait la luminosité, le contraste et la saturation d’un facteur de 0,2, et la teinte de 0,1. Ces ajustements stochastiques ont amélioré la robustesse du modèle face aux changements d’apparence, calculés selon l’équation 6 :

      

La sélection de ces plages d’hyperparamètres spécifiques (basculement horizontal 0,9, rotation +15, -15, luminosité/contraste/saturation 0,2, teinte 0,1) résulte d’une évaluation empirique de la stabilité. L’étude a déterminé que ces réglages optimisaient l’équilibre entre la génération de diversité et le réalisme anatomique, assurant une convergence constante et une précision de validation sans induire de déformations irréalistes des lésions.

5. Architecture du modèle

L’étude a utilisé EfficientNet-B0, un modèle CNN moderne reconnu pour son efficacité, sa scalabilité et ses performances par rapport à d’autres architectures de classification d’images. Ce modèle utilisait une méthode d’échelle proportionnelle à la profondeur, la largeur et la résolution du réseau, ce qui permettait une grande précision avec un nombre de paramètres nettement réduit par rapport aux architectures standard comme ResNet et VGG. Cette approche d’échelle a permis au cadre de gérer des images haute résolution tout en restant efficace sur le plan informatique, répondant aux besoins spécifiques de l’imagerie médicale. La figure 4 illustre l’architecture d’EfficientNet-B0, en mettant en évidence la séquence des blocs convolutifs et MBConv utilisés pour l’extraction hiérarchique des caractéristiques.

Figure 4 : Architecture EfficientNet-B0. Schéma des blocs MBConv et des facteurs d’échelle composés utilisés pour l’extraction hiérarchique des caractéristiques. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Afin de modifier EfficientNet-B0 pour la tâche de classification par échographie mammaire, les chercheurs ont introduit des ajustements spécifiques à la structure du modèle. Le système a remplacé la couche de classification initiale, prévue pour le jeu de données ImageNet de 1 000 classes, par une couche entièrement connectée (dense) composée de 3 neurones de sortie. L’enquête a établi toutes les couches de la dorsale préentraînée EfficientNet-B0 comme entraînables et les a optimisées conjointement avec la nouvelle couche de classification, en suivant une stratégie complète d’ajustement fin. Le processus de formation n’a pas appliqué de gel par étapes ni de dégel progressif. Le cadre effectuait l’entraînement en utilisant l’optimiseur Adam avec un taux d’apprentissage de 0,00005 et un planificateur de taux d’apprentissage par étapes qui réduisait le taux d’un facteur 0,1 toutes les 7 époques. Ces neurones correspondaient aux trois classes cibles dans l’ensemble de données BUSI : bénignes, normales et malignes. Le modèle utilisait une activation SoftMax sur la couche de sortie, transformant les scores bruts en distributions de probabilité, comme calculé dans l’équation 7. Le tableau 2 présente la description de l’architecture du modèle.

      

Type de couche	Description
Couche d’entrée	Accepte des images de taille 224 x 224 x 3
Couches convolutionnelles	Inclut des blocs de convolution initiale et MBConv pour l’extraction des caractéristiques.
Regroupement de la moyenne mondiale	Réduit les dimensions spatiales à un vecteur de caractéristiques 1D.
Couche entièrement connectée	Mappe le vecteur caractéristique vers 3 neurones de sortie (normal, bénin, malin).
SoftMax Activation	Convertit les logits en probabilités pour la classification multi-classes.

Tableau 2 : Montre la description de l’architecture du modèle.

Les paramètres utilisés pour entraîner le modèle étaient l’optimiseur d’Adam, un taux d’apprentissage initial de 0,00005, et la perte d’entropie croisée catégorique (trois classes), calculée mathématiquement selon l’équation 9. Des poids pré-entraînés ImageNet ont été utilisés pour initialiser EfficientNet-B0, et l’entraînement complet, et toutes les couches de la colonne vertébrale ont été entraînées sans qu’aucun gel par étapes n’ait été appliqué. Le classificateur initial a été remplacé par une couche entièrement connectée et trois neurones de sortie, puis enfin par une activation SoftMax, qui représentait les classes bénigne, maligne et normale. Les images ont été réduites à 224 x 224 pixels, puis normalisées par la moyenne et l’écart-type d’ImageNet, et chargées en mini-lots de 8. Un planificateur de taux d’apprentissage par étapes réduisait ce taux de 0,1 sur 7 époques. La perte de validation a été utilisée pour s’arrêter tôt avec une patience de 2 époques afin d’éviter le surapprentissage. Les activations Grad-CAM ont été produites à partir de la dernière couche convolutionnelle en calculant les gradients, en combinant la moyenne globale pour obtenir les poids des canaux, et en augmentant les cartes d’activation à la résolution d’entrée.

Pour confirmer cette stabilité, l’entraînement a été répété sur plusieurs passages avec des performances de validation Matching. La surveillance des courbes de perte d’entraînement et de validation a été utilisée pour identifier le surapprentissage, et un ensemble de tests stratifiés de résistance ne dépendait pas de l’entraînement utilisé pour effectuer l’évaluation finale. La différence entre la performance de validation et la performance des tests est faible, ce qui montre une convergence cohérente et une reproductibilité d’optimisation. L’équation 10 définit un rythme d’apprentissage par étapes. L’équation 15 signifie deux augmentations consécutives de la perte de validation, indiquant un possible surapprentissage.

      

      

      

      

      

      

      

EfficientNet-B0 est particulièrement flexible pour la classification par échographie mammaire car l’architecture intègre plusieurs aspects architecturaux innovants permettant l’efficacité et la rapidité de l’architecture. La partie centrale est le MBConv, qui unit des convolutions séparables en profondeur avec des modules de compression et d’excitation pour offrir une complexité de calcul réduite sans perte de précision. Le modèle supporte également une mise à l’échelle des composés qui met à l’échelle la profondeur, la largeur et la résolution de manière uniforme afin d’offrir des performances optimales dans toutes sortes de contraintes de ressources, et le modèle est également agile en tâches, qui est mathématiquement dérivé comme dans l’équation 8 suivante. Le modèle contient déjà des poids entraînés sur l’ensemble de données ImageNet et il peut donc être transféré pour apprendre et, dans une large mesure, il n’est pas nécessaire d’entraîner le modèle sur de petits ensembles médicaux. Cette combinaison de fonctionnalités de haut niveau, ainsi que l’environnement d’entraînement personnalisé, qui contient également les modifications de la couche finale de classification, l’utilisation de l’optimiseur Adam, de l’ordonnanceur de taux d’apprentissage et de l’arrêt précoce, garantit que le modèle est très précis, tout en étant efficace sur le plan informatique. Cette combinaison d’inventivité architecturale et d’approches de formation permettra au modèle d’apprendre efficacement à partir de mauvaises informations en imagerie médicale et s’avérera ainsi un instrument utile dans la catégorisation des ultrasons mammaires.

Algorithme 1 : Classification des images par échographie mammaire utilisant EfficientNet-B0 et Grad-CAM

Entrée : Images échographiques mammaires.
Résultats : Classification (normale, bénigne, maligne) et cartes thermiques Grad-CAM.
1. Prétraitement des images :
Redimensionnez à 224×224224×224.
Normalisez en utilisant la moyenne et l’éticence d’ImageNet.
Ajoutez des flippings, des rotations et des vibrations de couleur.
2. Initialiser le modèle :
Load Efficient Net-B0 (pré-entraîné, excluez la couche supérieure).
Ajoutez le Global Average Pooling et une couche dense (3 neurones, SoftMax).
3. Modèle de train :
Optimiseur : Adam (taux d’apprentissage = 0,00005).
Perte : Entropie croisée.
Entraînez-vous pendant 18 époques avec arrêt anticipé (patience = 2).
4. Visualisation Grad-CAM :
Calculer les gradients de la classe cible.
Générez et superposez des heatmaps sur les images d’entrée.

L’algorithme fournit le flux de travail de classification des images échographies mammaires avec EfficientNet-B0 et Grad-CAM, incluant le prétraitement, l’entraînement et l’inférence du modèle, ainsi que la carte thermique interprétable pour valider cliniquement.

6. Grad-CAM comme IA explicable

Un outil solide utilisé dans l’étude est capable d’ajouter de l’interprétabilité au modèle d’apprentissage profond, la cartographie pondérée par gradient par activation des classes. Considérant comme une solution au besoin actuel de XAI en imagerie clinique, la méthode utilise Grad-CAM pour permettre aux cliniciens de comprendre intuitivement la prise de décision du modèle via des cartes de chaleur visuellement explicables autour des régions les plus significatives d’une image utilisée dans la prédiction du modèle. Une telle convergence de l’interprétabilité sera cruciale pour instaurer la confiance dans les systèmes d’IA, en particulier dans les systèmes à enjeux élevés comme la santé, où la responsabilité et la transparence sont essentielles. La figure 5 présente des cartes thermiques Grad-CAM mettant en évidence les régions de l’image qui ont le plus influencé les prédictions du modèle pour les cas bénignes, malins et normaux.

Figure 5 : Cartes thermiques d’activation Grad-CAM. (A) Cas bénins, (B) Malins, et (C) Cas normaux. Les couleurs chaudes (rouge) signifient une forte influence diagnostique ; Les couleurs froides (bleu) indiquent une attention moindre. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Toutes les images Grad-CAM sont affichées en plus de l’image d’entrée que le modèle a reçue. La figure 5 présente l’image échographique originale et l’image d’entrée du modèle afin de garantir que les régions d’attention étroite sont directement liées à l’entrée traitée prise en compte dans la prédiction. Pour obtenir une importance canal-circuit, Grad-CAM est utilisé pour calculer les gradients de la classe prédite à l’aide des cartes de caractéristiques de la couche convolutionnelle finale. Ces gradients sont moyennés dans le monde entier pour obtenir les coefficients de pondération, puis multipliés par les cartes de caractéristiques respectives pour produire une carte thermique de localisation (équations 16 et 17). La carte thermique est ensuite suréchantillonnée à la résolution d’entrée et superposée à l’image échographique pour indiquer les zones d’intérêt diagnostique (c’est-à-dire les marges tumorales, changements de texture, etc.) dans l’image. Cette visualisation offre une compréhension spatiale des zones utilisées pour faire la prédiction dans le modèle. Cet article mesure l’interprétabilité par analyse visuelle de la localisation de l’attention. Ils n’ont pas inclus de mesures quantitatives de localisation ni d’évaluation par le clinicien, qui restent des voies précieuses pour la validation future de leur pertinence clinique.

      

      

Grad-CAM propose des prédictions sur le fonctionnement visuel d’un modèle en mettant en évidence les zones d’une image qui ont contribué à la prédiction. Les cartes thermiques peuvent être utilisées pour confirmer que le réseau se concentre sur des structures cliniquement pertinentes incluant les marges tumorales et les motifs acoustiques. Lors des fausses alertes, les visualisations peuvent aider à remarquer l’attention sur des zones non pertinentes, facilitant ainsi l’évaluation et l’optimisation du modèle. Une telle correspondance entre les caractéristiques médicales et l’attention du modèle améliore l’interprétabilité du diagnostic assisté par IA. La figure 6 montre la visualisation GradCAM.

Figure 6 : Visualisation GradCAM. Carte thermique Grad-CAM montrant les régions importantes (rouge = haut, bleu = bas) pour la classification ; L’intensité des couleurs indique l’importance des caractéristiques. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Grad-CAM est ajouté pour augmenter l’interprétabilité du modèle EfficientNet-B0 en mettant en évidence les régions d’image qui apportent le plus de contributions aux choix de classification. Les cartes thermiques résultantes indiquent des structures cliniquement significatives des marges tumorales et des changements de texture, ce qui facilite une analyse claire des prédictions du modèle. Cette grande précision de classification et cette interprétabilité visuelle renforcent ce cadre proposé en termes de fiabilité dans l’analyse des images échographies mammaires.

7. Analyse statistique

Le modèle est évalué sur un large ensemble de métriques, telles que la précision, comme mesure de la précision des prédictions positives ; rappel, comme mesure de l’efficacité du modèle pour identifier tous les cas pertinents ; et le score F1, la moyenne harmonique de la précision et du rappel, fournissant une mesure équilibrée de la performance globale calculée mathématiquement selon les équations 18 à 21.

      

      

      

      

L’erreur absolue moyenne (MAE) quantifie la différence absolue moyenne entre les prédictions et les valeurs vraies, calculée mathématiquement selon l’équation 22.

      

L’erreur quadratique moyenne de la racine (RMSE) mesure l’écart moyen des prédictions par rapport aux valeurs vraies, calculée mathématiquement selon l’équation 23.

      

L’erreur absolue moyenne (MAE) quantifie la différence absolue moyenne entre les prédictions et les valeurs vraies, calculée mathématiquement selon l’équation 24.

      

La matrice de confusion est utilisée pour fournir une répartition détaillée des vrais positifs, vrais négatifs, faux positifs et faux négatifs par classe, fournissant des informations supplémentaires sur la façon dont le modèle classe³⁰. Ces mesures d’évaluation combinées fournissent une évaluation globale de l’erreur du modèle, de la force et de la généralisation sur des données non observées, en faisant ainsi un outil fiable pour classifier les images d’une échographie mammaire. La disponibilité des masques de lésion dans le jeu de données BUSI implique qu’à l’avenir, des mesures de localisation quantitatives, par exemple l’intersection sur l’union, pourront être introduites pour évaluer objectivement la précision de l’explication. La validation stratifiée de la résistance avait été choisie afin de préserver l’indépendance entre les sous-ensembles d’entraînement et d’évaluation conservant la distribution des classes. La raison de ne pas utiliser la validation croisée était d’éviter l’exposition répétée des échantillons de validation au processus d’optimisation, mais dans de futures études, la validation croisée répétée ou imbriquée sera utilisée pour déterminer davantage les variations de performance.

Résultats

La standardisation des dimensions d’entrée à 24 x 224 pixels et la normalisation basée sur ImageNet ont facilité un comportement d’entraînement stable et une convergence fluide des courbes de perte. L’application de l’opération de superposition masque sur des échantillons d’entraînement a considérablement augmenté la visibilité des limites des lésions par rapport aux images échographiques brutes. Cette observation a soutenu l’hypothèse selon laquelle l’amélioration guidée par anatomie am...

Discussion

Le cadre proposé utilise une architecture EfficientNet-B0 affinée intégrée à la cartographie d’activation des classes pondérée par gradient (Grad-CAM) pour fournir un système haute performance et interprétable pour la classification par échographie mammaire. Cette recherche fait progresser le domaine scientifique en comblant le fossé entre les modèles d’apprentissage profond « boîte noire » et la transparence clinique, démontrant que l’efficacité computationnelle n’a pas à être sacrifiée...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Images d'échographie mammaire (ensemble de données BUSI)		N/A	780 images PNG (487 bénignes, 210 malignes, 133 normales)
Matplotlib	Développeurs Matplotlib	N/A	Version 3.7.1
NumPy	Développeurs NumPy	N/A	Version 1.23.5
GPU Tesla T4 de NVIDIA	NVIDIA	N/A	16 Go de VRAM
OpenCV	OpenCV.org	N/A	Version 4.7.0
Pillow (PIL)	Python Imaging Library	N/A	Version 9.4.0
Python	Fondation Python Software	N/A	Version 3.9.12
PyTorch	Meta AI	N/A	Version 2.0.1+cu117
Scikit-learn	Développeurs Scikit-learn	N/A	Version 1.2.2
Seaborn	Développeurs Seaborn	N/A	Version 0.12.2
Système d'exploitation Ubuntu	Canonical	N/A	64 bits