Multiscale Softmax Cross Entropy for Fovea Localization on Color Fundus Photography

Cet article propose une nouvelle approche de localisation de la fovéa sur des images de fond d'œil en traitant le problème comme une tâche de classification et en modifiant la fonction de perte softmax-cross entropy en une version multiscale qui améliore la précision des coordonnées prédites par rapport aux méthodes classiques.

L'essentiel

Imaginez que vous êtes un détective médical chargé de trouver un point précis sur une carte très complexe : la rétine de l'œil humain. Ce point, c'est la fovéa, le petit centre de la rétine où la vision est la plus nette. Si vous la trouvez, vous pouvez aider les médecins à diagnostiquer des maladies comme le glaucome ou la dégénérescence maculaire.

Le problème ? Trouver ce point sur une photo de l'œil (appelée "photo fundus") est difficile pour un ordinateur. C'est comme chercher une aiguille dans une botte de foin, mais l'aiguille est invisible et le foin est rempli de vaisseaux sanguins rouges et de taches sombres.

Voici comment les chercheurs de cet article ont résolu le problème, expliqué simplement :

1. Le vieux problème : "Combien de pas ?" vs "Quelle case ?"

Traditionnellement, pour dire à un ordinateur où se trouve un point, on lui demande de faire une régression.

• L'analogie : C'est comme demander à un élève : "Combien de pas faut-il pour aller de la porte à la fenêtre ?". L'élève répond : "15,4 pas". Si l'élève dit "15,5", l'ordinateur le félicite un peu, car c'est proche. Si l'élève dit "100", il est puni sévèrement. C'est ce qu'on appelle la MSE (Erreur Quadratique Moyenne).

Mais les chercheurs ont eu une idée différente. Ils ont dit : "Et si on ne demandait pas le nombre de pas, mais la case exacte sur un échiquier ?"

• L'analogie : Au lieu de demander un chiffre précis, on transforme l'image en une grille de 256 cases sur 256. Le but devient un jeu de "Qui a gagné ?". L'ordinateur doit dire : "La fovéa est dans la case numéro 70".
• Le problème de l'approche classique : Dans un jeu de "Qui a gagné ?", si vous choisissez la case 69 ou la case 100, le jeu vous dit exactement la même chose : "C'est faux !". Il ne vous dit pas que la case 69 est presque bonne. C'est trop brutal.

2. La solution magique : Le "Softmax Multiscale" (MSCE)

Les chercheurs ont créé une nouvelle règle de jeu, qu'ils appellent MSCE (Softmax Cross Entropy Multiscale).

Imaginez que vous avez un télescope avec plusieurs lentilles de grossissement différentes :

1. La vue large (Zoom arrière) : Vous voyez la rétine entière. Vous dites : "La fovéa est quelque part dans ce gros carré". C'est facile, mais imprécis.
2. La vue moyenne : Vous zoomez un peu. "Ah, elle est dans ce carré plus petit".
3. La vue rapprochée (Zoom avant) : Vous voyez les détails. "Elle est exactement dans ce tout petit carré".

La méthode MSCE oblige l'ordinateur à jouer à ce jeu en même temps à tous les niveaux de zoom.

• Si l'ordinateur se trompe de beaucoup (il regarde la case 100 alors qu'il faut la 70), il se fait gronder fort sur tous les niveaux de zoom.
• Si l'ordinateur se trompe de peu (il regarde la case 69), il se fait gronder, mais moins fort sur les niveaux de zoom très précis.

C'est comme si vous appreniez à un enfant à dessiner un cercle :

• La méthode ancienne (MSE) lui dit juste : "C'est un peu décalé".
• La méthode classique de classification (Softmax) lui dit : "C'est faux, recommence tout".
• La méthode MSCE dit : "C'est faux, mais tu es proche ! Regarde de plus près, tu vois que tu es juste à côté ? Essaie encore un tout petit peu plus loin."

3. Les résultats : Qui gagne ?

Les chercheurs ont testé leur méthode sur 1200 photos d'yeux.

• Le perdant : La méthode classique (MSE) qui fait des erreurs de positionnement assez grandes.
• Le deuxième : La méthode de classification simple (Softmax) qui est parfois trop brutale et se trompe de quelques cases.
• Le gagnant : Le MSCE. Grâce à son approche "multiscale" (plusieurs niveaux de zoom), il trouve la fovéa beaucoup plus précisément.

En résumé

Imaginez que vous cherchez un trésor caché dans un jardin.

• La méthode MSE vous dit : "Tu es à 5 mètres du trésor".
• La méthode Softmax vous dit : "Tu es dans le mauvais carré de gazon".
• La méthode MSCE (celle de l'article) vous dit : "Tu es dans le mauvais carré, mais tu es très proche du bon ! Regarde le carré juste à côté, et celui d'après, et celui d'après... Tu y es presque !"

Grâce à cette astuce, l'ordinateur devient un détective bien plus précis, capable de localiser le centre de la vision humaine avec une exactitude impressionnante, ce qui pourrait aider à sauver la vue de nombreux patients.

Résumé technique

1. Problématique

La localisation de la fovéa (le centre de la macula) est une tâche fondamentale en analyse d'images médicales ophtalmologiques. Une localisation précise est cruciale pour le diagnostic assisté par ordinateur des maladies rétiniennes.

• Défi actuel : La localisation de coordonnées est traditionnellement traitée comme un problème de régression (prédiction de valeurs continues), utilisant des fonctions de perte comme l'Erreur Quadratique Moyenne (MSE) ou l'Erreur Absolue Moyenne (MAE).
• Limitation des approches existantes : Les pertes de régression (MSE/MAE) punissent moins les prédictions erronées mais proches de la vérité terrain, tandis que les pertes probabilistes de classification (comme l'Entropie Croisée avec Softmax) traitent toutes les prédictions incorrectes de manière égale, sans tenir compte de la distance à la cible. L'article vise à combler ce fossé fonctionnel pour améliorer la précision de la localisation.

2. Méthodologie

L'approche proposée reformule le problème de localisation de coordonnées (x, y) non plus comme une régression, mais comme deux tâches de classification distinctes (une pour chaque axe), en utilisant une nouvelle fonction de perte hybride.

A. Architecture du Réseau

• Backbone : L'architecture s'inspire du réseau Cellpose (une variante modifiée de U-Net avec des connexions résiduelles et un vecteur de style fusionné).
• Entrée : Les images de fond d'œil sont redimensionnées à 256x256 pixels.
• Extraction de caractéristiques : Le réseau génère une carte de caractéristiques de taille identique à l'entrée.
• Branches Multiscales : La carte de caractéristiques est mise en pool (MaxPooling) à plusieurs reprises pour créer plusieurs branches de résolutions différentes. Chaque branche est ensuite réduite (par somme) pour produire des vecteurs de logits par axe.

B. La Contribution Clé : MSCE (Multiscale Softmax Cross Entropy)

Les auteurs proposent une nouvelle fonction de perte, la Multiscale Softmax Cross Entropy (MSCE), conçue pour combiner les avantages de la régression et de la classification :

1. Principe : Au lieu d'une seule sortie, le réseau calcule une perte d'entropie croisée softmax sur plusieurs échelles de caractéristiques (branches).
2. Formulation : La perte totale est une somme pondérée des pertes softmax sur chaque échelle $m$ :
   $$MSCE = \sum_{m=1}^{M} \lambda_m \cdot SCE_m$$
   Où $SCE$ est l'entropie croisée standard et $\lambda_m$ sont les poids (fixés à 1 dans l'étude).
3. Avantage théorique :
   • Contrairement à la MSE, qui attire progressivement les prédictions vers la cible, la MSCE (via le softmax) pousse fortement la probabilité vers la classe cible exacte.
   • Contrairement au softmax standard (qui pénalise uniformément toutes les erreurs), la version multiscale permet de distinguer les prédictions par étapes (comme la régression) tout en maintenant une forte incitation à converger vers la vérité terrain unique.
   • L'expérience montre que plus le nombre d'échelles ($M$) est élevé (jusqu'au nombre de classes), plus la fonction de perte se rapproche de l'idéal.

C. Configuration Expérimentale

• Dataset : REFUGE2 (1200 images avec annotations, 400 sans).
• Métrique : R-AED (Réciproque de la Distance Euclidienne Moyenne), où une valeur plus élevée indique une meilleure précision.
• Optimisation : Descente de gradient stochastique (SGD) avec un taux d'apprentissage initial de 0,01 et un arrêt précoce (EarlyStopping).

3. Résultats

Les expériences ont été menées via des études d'ablation en comparant la MSE (baseline), l'Entropie Croisée Softmax standard (SCE) et la MSCE proposée, avec différentes configurations de pooling (Moyenne vs Max) et de réduction (Moyenne vs Somme).

• Performance Globale : La combinaison MaxPooling + Somme s'est révélée supérieure aux autres configurations.
• Comparaison des Pertes (avec MaxPooling/Somme) :
  • MSE (Baseline) : R-AED = 5,18 à 5,69.
  • SCE (Vanilla) : R-AED = 3,45 à 4,99.
  • MSCE (Proposée) : R-AED = 4,36 à 6,12.
• Résultat Principal : La MSCE surpasse systématiquement la MSE et, dans les configurations optimales (Batch Size 8), dépasse également la SCE standard.
• Visualisation : Les prédictions MSCE montrent un décalage (offset) nettement inférieur par rapport à la vérité terrain comparé aux méthodes MSE et SCE. Les échecs surviennent principalement lorsque la fovéa est loin du centre et se fond dans des zones sombres, ou lorsque le disque optique est confondu avec la fovéa.

4. Contributions Clés

1. Reformulation du problème : Traitement de la régression de coordonnées comme une tâche de classification probabiliste via des logits.
2. Nouvelle fonction de perte (MSCE) : Introduction d'une entropie croisée softmax multiscale qui capture les avantages de la régression (distinction des erreurs proches) et de la classification (convergence forte vers la cible).
3. Validation Empirique : Démonstration que les pertes probabilistes, souvent réservées à la classification, sont efficaces pour la régression de coordonnées dans le contexte médical, surpassant les pertes de régression classiques (MSE).

5. Signification et Perspectives

• Impact Médical : Cette méthode offre une nouvelle alternative robuste pour la localisation de la fovéa, essentielle pour le diagnostic automatisé de pathologies rétiniennes.
• Généralisation : Bien que testée sur la fovéa, l'approche MSCE est prometteuse pour d'autres tâches de régression de coordonnées, telles que la détection de boîtes englobantes (bounding boxes) en vision par ordinateur.
• Travaux Futurs : Les auteurs suggèrent d'intégrer des informations spatiales relatives (via la segmentation du disque optique) pour améliorer la robustesse, et d'exploiter les cartes de caractéristiques de segmentation pour des tâches multiples (segmentation des vaisseaux, grading de maladies comme le glaucome).

En conclusion, cet article démontre qu'en modifiant la fonction de perte pour intégrer une dimension multiscale probabiliste, il est possible d'obtenir une précision de localisation supérieure à celle des méthodes de régression traditionnelles dans le domaine de l'imagerie médicale.