VR-FuseNet: A Fusion of Heterogeneous Fundus Data and Explainable Deep Network for Diabetic Retinopathy Classification

Ce papier présente VR-FuseNet, un modèle d'apprentissage profond hybride fusionnant VGG19 et ResNet50V2 sur un ensemble de données hétérogènes prétraité, qui atteint une précision de 91,824 % pour la classification de la rétinopathie diabétique tout en intégrant des techniques d'IA explicable pour interpréter cliniquement les prédictions.

L'essentiel

🩺 Le Médecin Robotique et ses Deux Super-yeux

Imaginez que vous avez un patient qui risque de perdre la vue à cause du diabète. Cette maladie, appelée rétinopathie diabétique, abîme les petits vaisseaux sanguins au fond de l'œil, un peu comme de la rouille qui grignoterait les tuyaux d'une maison. Si on ne la repère pas tôt, c'est la cécité.

Le problème ? Les humains sont fatigués, il y a trop d'images à regarder, et parfois, on rate les petits détails. C'est là que les chercheurs ont créé un médecin robotique (une intelligence artificielle) pour aider. Mais pour qu'il soit vraiment bon, il fallait résoudre trois gros problèmes :

1. Il n'avait pas assez de "leçons" à étudier (peu de données).
2. Les images qu'il voyait étaient de qualité très variable (comme regarder une photo floue vs une photo HD).
3. Il était un "boîte noire" : il donnait un diagnostic, mais on ne savait pas pourquoi.

Voici comment ils ont construit leur solution, VR-FuseNet, en utilisant des analogies simples.

---

1. La Grande Bibliothèque Mixte (Le Dataset Hybride)

Imaginez que vous voulez apprendre à reconnaître des chats. Si vous n'avez que des photos de chats noirs dans la neige, vous ne saurez pas reconnaître un chat roux sous la pluie.

Les chercheurs ont fait la même chose. Au lieu d'utiliser une seule base de données d'images d'yeux, ils ont mélangé 5 bibliothèques différentes (APTOS, DDR, IDRiD, Messidor 2, Retino).

• L'analogie : C'est comme si un étudiant en médecine lisait des manuels de 5 pays différents, avec des médecins de 5 styles différents.
• Le résultat : Son cerveau (le modèle) devient beaucoup plus robuste. Il ne se trompe pas si l'image est prise avec une vieille caméra ou une nouvelle, ou si le patient est d'une autre origine.

2. Le Nettoyage et le Recyclage (Prétraitement)

Avant d'apprendre, il faut préparer la matière première.

• Le problème du déséquilibre : Dans leurs livres, il y avait beaucoup trop de photos d'yeux sains et très peu d'yeux malades. C'est comme apprendre à conduire avec 100 voitures neuves et 1 seule voiture en panne. L'élève ne saura jamais réparer la panne.
• La solution (SMOTE) : Ils ont utilisé une technique magique appelée SMOTE. Imaginez un photocopieur intelligent qui ne copie pas juste l'image, mais qui invente de nouvelles photos d'yeux malades en mélangeant subtilement les détails des photos existantes. Cela équilibre les comptes.
• L'amélioration (CLAHE) : Ensuite, ils ont passé les images dans un "filtre de contraste". C'est comme ajuster la luminosité et le contraste d'une photo sombre pour que les taches rouges (les lésions) sautent aux yeux.

3. Le Duo de Champions (VR-FuseNet)

C'est le cœur de l'innovation. Au lieu de choisir un seul expert, ils en ont assemblé deux pour former une équipe de choc :

• L'Expert "Détective" (VGG19) : C'est un spécialiste des détails fins. Il regarde les tout petits points, comme des micro-anévrismes (de minuscules bosses sur les vaisseaux). C'est comme un détective qui examine les empreintes digitales au microscope.
• L'Expert "Architecte" (ResNet50V2) : C'est un spécialiste de la vue d'ensemble. Il comprend la structure globale, les relations entre les zones et les formes complexes. C'est comme un architecte qui voit comment tout le bâtiment tient ensemble.

La Fusion (VR-FuseNet) :
Au lieu de laisser ces deux experts travailler séparément, ils les ont fait travailler ensemble.

• L'analogie : Imaginez un tribunal où le Détective et l'Architecte débattent avant de rendre un verdict. Le Détecte dit : "Regarde cette tache !" et l'Architecte dit : "Oui, et elle est située dans une zone critique du réseau."
• Le résultat : Le verdict final est bien plus précis que celui d'un seul expert. Le modèle atteint 91,8 % de précision, ce qui est excellent.

4. La Boîte Noire devient Transparente (IA Explicable)

Jusqu'à présent, l'IA disait : "C'est malade". Mais le médecin humain a besoin de savoir : "Pourquoi ? Montre-moi la preuve !"
Si l'IA est une boîte noire, le médecin ne lui fait pas confiance.

Les chercheurs ont ajouté des outils de Visualisation (XAI) comme des "loupes lumineuses" :

• Grad-CAM et ses cousins : Ce sont des projecteurs qui s'allument sur l'image de l'œil.
• L'analogie : Quand le robot dit "Il y a une maladie", un projecteur rouge s'allume exactement sur la zone malade (l'hémorragie, le dépôt de graisse).
• Pourquoi c'est génial : Le médecin humain peut regarder l'image, voir le projecteur rouge sur la lésion, et dire : "Ah oui, il a raison, je vois bien cette tache." Cela crée la confiance.

🏆 Le Verdict Final

Grâce à cette méthode, VR-FuseNet est devenu le champion du jeu :

1. Il a étudié une grande variété d'images (grâce au mélange de 5 bases de données).
2. Il a équilibré ses connaissances (grâce à la création de fausses images intelligentes).
3. Il utilise deux cerveaux complémentaires pour être ultra-précis.
4. Il montre ses preuves aux médecins grâce aux projecteurs lumineux.

En résumé : C'est comme avoir un assistant médical qui ne se fatigue jamais, qui voit à la fois les détails microscopiques et la vue d'ensemble, et qui a la bonne conscience de pointer du doigt exactement ce qui ne va pas pour que le médecin humain puisse agir vite et sauver la vue des patients.

C'est une avancée majeure pour rendre les soins de santé plus accessibles, surtout dans les régions où les spécialistes sont rares.

Résumé technique

1. Problématique

La rétinopathie diabétique (RD) est une complication grave du diabète et une cause majeure de cécité évitable. Le diagnostic précoce est crucial pour prévenir la progression de la maladie. Cependant, les méthodes de diagnostic traditionnelles basées sur l'imagerie du fond d'œil souffrent de plusieurs limitations :

• Dépendance à l'expertise humaine : Le processus est long, subjectif et variable.
• Déséquilibre des données : Les ensembles de données publics présentent souvent un déséquilibre important entre les classes de sévérité (ex: peu de cas de rétinopathie proliférative par rapport aux cas normaux).
• Généralisation limitée : Les modèles existants peinent à généraliser sur des données provenant de différentes sources, appareils d'imagerie et populations.
• Manque d'interprétabilité : Les modèles d'apprentissage profond (Deep Learning) fonctionnent souvent comme des "boîtes noires", ce qui réduit la confiance des cliniciens.

2. Méthodologie

L'article propose une approche systématique intégrant le prétraitement des données, la création d'un ensemble de données hybride, un modèle de fusion d'architectures et des techniques d'IA explicable (XAI).

A. Collecte et Prétraitement des Données

• Ensemble de données hybride : Fusion de cinq ensembles de données publics (APTOS 2019, DDR, IDRiD, Messidor 2, et Retino) pour créer un corpus diversifié de 28 135 images. Cela permet de couvrir une grande variabilité de qualité d'image, de résolution et de conditions cliniques.
• Équilibrage des classes (SMOTE) : Utilisation de la technique Synthetic Minority Over-sampling Technique (SMOTE) appliquée dans l'espace des caractéristiques (feature space) pour générer des échantillons synthétiques et corriger le déséquilibre des classes sans dupliquer simplement les images.
• Amélioration de l'image (CLAHE) : Application de l'égalisation d'histogramme adaptative à contraste limité (CLAHE) sur le canal de luminance (L) de l'espace de couleur LAB pour améliorer le contraste des lésions (microanévrismes, hémorragies, exsudats) sans amplifier le bruit.
• Normalisation : Redimensionnement des images à 128x128 pixels et normalisation des valeurs de pixels.

B. Architecture du Modèle : VR-FuseNet

Le modèle proposé, VR-FuseNet, est un réseau de neurones convolutifs (CNN) hybride conçu pour fusionner les forces de deux architectures pré-entraînées :

1. VGG19 : Excellente pour capturer des caractéristiques spatiales fines et locales grâce à ses nombreuses couches de convolution 3x3.
2. ResNet50V2 : Efficace pour l'extraction de caractéristiques hiérarchiques profondes et abstraites grâce à ses connexions résiduelles qui atténuent le problème du gradient disparaissant.

Fonctionnement de la fusion :

• Les images d'entrée sont traitées simultanément par les deux réseaux.
• Les vecteurs de caractéristiques extraits sont fusionnés via une stratégie de covariance maximale parallèle.
• Les caractéristiques fusionnées sont ensuite affinées par des couches Conv2D, Batch Normalization, MaxPooling, et des couches denses (256 et 64 neurones) avec Dropout pour éviter le surapprentissage.
• La couche de sortie utilise une activation Softmax pour classifier les images en 5 niveaux de sévérité (Aucune RD, Léger, Modéré, Sévère, Prolifératif).

C. IA Explicable (XAI)

Pour rendre le modèle interprétable par les cliniciens, l'étude intègre cinq techniques de cartographie d'activation :

• Grad-CAM et Grad-CAM++
• Layer-CAM
• Score-CAM et Faster Score-CAM
  Ces méthodes génèrent des cartes de chaleur (heatmaps) mettant en évidence les zones de l'image (lésions, vaisseaux) qui ont le plus influencé la décision du modèle.

3. Contributions Clés

1. Création d'un ensemble de données hybride robuste : Combinaison de cinq sources publiques pour réduire les biais et améliorer la généralisation du modèle.
2. Évaluation comparative approfondie : Analyse de modèles individuels (VGG16, VGG19, ResNet50V2, MobileNetV2, Xception) sur chaque jeu de données séparément avant la fusion.
3. Développement de VR-FuseNet : Une architecture de fusion innovante qui surpasse les modèles individuels en combinant l'extraction de détails fins (VGG) et la compréhension contextuelle profonde (ResNet).
4. Intégration avancée de l'XAI : Comparaison de cinq méthodes de visualisation pour identifier la plus efficace pour mettre en évidence les pathologies spécifiques de la RD.
5. Interface clinique interprétable : Fourniture de cartes de chaleur validées par des experts pour soutenir la prise de décision médicale.

4. Résultats

Le modèle VR-FuseNet a été évalué sur l'ensemble de données hybride avec les métriques suivantes :

• Précision : 92,612 %
• Rappel (Recall) : 92,233 %
• Score F1 : 92,392 %
• Exactitude (Accuracy) : 91,824 %
• AUC (Area Under Curve) : 98,749 %

Comparaison :
VR-FuseNet surpasse systématiquement les architectures individuelles. Par exemple, sur l'ensemble hybride, VGG19 atteint 90,935 % d'exactitude et ResNet50V2 90,153 %, tandis que le modèle fusionné atteint 91,824 %. Les courbes d'apprentissage montrent une convergence stable et une bonne généralisation sans surapprentissage significatif. Les cartes de chaleur XAI confirment que le modèle se concentre correctement sur les lésions pathologiques (microanévrismes, hémorragies) plutôt que sur le bruit de fond.

5. Signification et Conclusion

Ce travail démontre qu'une fusion d'architectures hétérogènes couplée à un prétraitement rigoureux et à des techniques d'IA explicable constitue une approche supérieure pour le dépistage automatisé de la rétinopathie diabétique.

• Impact Clinique : La capacité du modèle à fournir des explications visuelles (via XAI) renforce la confiance des ophtalmologistes, facilitant l'adoption de ces outils dans la pratique clinique réelle.
• Robustesse : L'utilisation d'un ensemble de données hybride rend le modèle plus adaptable aux variations des appareils d'imagerie et des populations de patients.
• Perspectives Futures : Les auteurs identifient des pistes d'amélioration, notamment l'intégration de Vision Transformers (ViTs) pour capturer les dépendances à long terme, l'utilisation de GANs pour un équilibrage de données plus avancé, et l'incorporation de données multimodales (démographie, antécédents cliniques) pour affiner encore plus le diagnostic.

En résumé, VR-FuseNet propose un cadre robuste, précis et interprétable pour le diagnostic de la RD, répondant aux défis critiques de la généralisation et de la transparence dans l'IA médicale.