🤖 machine learning

MambaX-Net: Dual-Input Mamba-Enhanced Cross-Attention Network for Longitudinal Prostate MRI Segmentation

MambaX-Net est une nouvelle architecture de segmentation 3D à double entrée et semi-supervisée qui exploite un module d'attention croisée amélioré par Mamba et un extracteur de forme pour segmenter efficacement les zones prostatiques dans l'IRM de surveillance active longitudinale en utilisant les données de points temporels précédents et des pseudo-étiquettes, surpassant ainsi les modèles existants dans des scénarios avec des annotations d'experts limitées.

Auteurs originaux : Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Publié 2026-08-21

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le cancer de la prostate est une maladie courante chez les hommes, et pour de nombreux cas qui ne sont pas immédiatement menaçants pour la vie, les médecins choisissent une stratégie appelée surveillance active. Au lieu de se précipiter vers la chirurgie ou la radiothérapie, qui peuvent causer des effets secondaires importants, les patients sont surveillés de près au fil du temps. Cela implique des analyses de sang régulières et des examens répétés par imagerie par résonance magnétique, ou IRM, pour surveiller tout signe de croissance ou de changement du cancer. L'objectif est de détecter la progression précocement tout en évitant des traitements inutiles pour ceux qui n'en ont pas besoin. Cependant, la lecture de ces examens est une tâche exigeante pour les radiologues. Ils doivent délimiter soigneusement toute la glande prostatique et ses sections internes pour mesurer le volume et repérer des changements subtils. Faire cela manuellement pour chaque examen dans un programme de suivi à long terme est lent et sujet à l'erreur humaine, ce qui crée un besoin d'intelligence artificielle pour aider à automatiser le processus.

Le défi pour les ordinateurs est que l'anatomie de la prostate n'est pas statique. Au fil des mois ou des années, la glande peut changer de forme, rétrécir ou se déplacer légèrement, et la qualité des images IRM peut varier. La plupart des modèles d'intelligence artificielle existants sont entraînés pour examiner un seul examen de manière isolée, comme un instantané. Ils ne comprennent pas l'histoire du patient. Si un ordinateur voit un nouvel examen sans savoir à quoi ressemblait la prostate il y a un an, il pourrait avoir du mal à distinguer un changement normal d'un signe de maladie. De plus, l'entraînement de ces systèmes nécessite des milliers d'images qui ont été minutieusement tracées par des médecins experts, une ressource rare et coûteuse à produire.

Une équipe de chercheurs du King's College London a développé une nouvelle approche pour résoudre ces problèmes, décrite dans une étude récente. Ils ont créé un système nommé MambaX-Net, conçu pour examiner deux examens du même patient simultanément : l'image actuelle et celle de la visite précédente. Au lieu de traiter le nouvel examen comme une image autonome, le système utilise l'ancien examen et le dessin médical précédent de la prostate comme guide. Cela permet à l'ordinateur de comprendre comment l'anatomie a évolué au fil du temps, plutôt que de simplement deviner sur la base d'un moment unique.

Le cœur de ce nouveau système repose sur deux innovations spécifiques. Premièrement, il utilise un composant qui agit comme une banque de mémoire, prenant le dessin médical précédent et le convertissant en une carte compacte de la forme et de la taille de la prostate. Cette carte sert d'ancre anatomique, rappelant au système à quoi la glande devrait ressembler pour cette personne spécifique. Deuxièmement, le système emploie une unité de traitement spécialisée qui compare l'examen actuel avec le précédent, recherchant des connexions à travers l'image entière. Cette unité est conçue pour être efficace, permettant de suivre les relations à longue portée au sein du volume 3D de la prostate sans être accaparée par la masse énorme de données. En combinant la mémoire de l'ancienne forme et une comparaison approfondie de la nouvelle image, le système peut affiner ses contours, particulièrement dans les zones délicates où la prostate rencontre d'autres tissus ou là où la forme est irrégulière.

Pour tester cette idée, les chercheurs ne se sont pas appuyés sur un ensemble parfait de dessins d'experts, qui sont rares pour les études longitudinales. Au lieu de cela, ils ont utilisé une méthode d'entraînement ingénieuse. Ils ont commencé par un modèle d'intelligence artificielle puissant et préexistant pour générer des dessins approximatifs et automatisés pour un grand ensemble de scanners de patients. Ces dessins automatisés, bien que non parfaits, ont servi de point de départ. Le nouveau système a ensuite appris à corriger ces brouillons en utilisant l'historique des examens du patient. Les chercheurs ont testé leur système sur un ensemble de données réelles de patients en cours de surveillance active, un groupe comprenant des cas difficiles tels que des hommes ayant subi une chirurgie de la prostate ou ceux présentant une mauvaise qualité d'image due à des implants métalliques ou d'autres facteurs.

Les résultats ont montré que cette nouvelle méthode surpasse de manière significative les modèles de pointe existants. Même en étant entraîné sur un nombre relativement restreint de patients avec des étiquettes automatisées imparfaites, le système a produit des contours plus précis de la prostate et de ses zones internes que les modèles qui avaient été entraînés sur des ensembles de données beaucoup plus vastes. Il a été particulièrement efficace pour maintenir des limites lisses et continues, évitant les erreurs dentelées ou fragmentées qui affectent souvent les autres systèmes. Le système s'est avéré robuste, même lorsque les étiquettes automatisées dont il a appris contenaient des erreurs, suggérant que l'utilisation du contexte historique aide l'ordinateur à ignorer le bruit pour se concentrer sur l'anatomie réelle.

L'étude a également exploré la capacité du système à gérer différents types d'erreurs dans les données d'entraînement. Ils ont constaté que, bien que le système soit résilient à un certain niveau d'inexactitude, il est plus sensible aux erreurs dans la couche externe de la prostate, une région mince et irrégulière qui est difficile à définir. Cela concorde avec la difficulté que rencontrent les radiologues pour marquer cette zone spécifique. Malgré cette sensibilité, le système a systématiquement délivré de meilleurs résultats que ses concurrents, démontnant que l'exploitation de la chronologie des soins d'un patient est un moyen puissant d'améliorer l'analyse de l'imagerie médicale.

Ce travail suggère une voie à suivre pour la pratique clinique où le temps des experts est limité. En utilisant l'historique médical du patient comme guide, l'intelligence artificielle peut apprendre à segmenter des organes complexes avec une grande précision, même lorsque les données d'entraînement sont imparfaites. Les chercheurs notent que, bien que leur système soit une avancée significative, il est conçu pour travailler avec des paires d'examens, en regardant une séquence de visites à la fois. Ils reconnaissent que pour un suivi à très long terme, le système devra être géré avec soin pour s'assurer que de petites erreurs ne s'accumulent pas sur de nombreuses années. Néanmoins, la capacité de suivre avec précision la prostate au fil du temps sans nécessiter une bibliothèque massive de cartes tracées à la main offre un outil prometteur pour rendre la surveillance active plus efficace et fiable pour les patients.

Résumé Technique : MambaX-Net pour la segmentation longitudinale de l'IRM de la prostate

Énoncé du Problème
La surveillance active (SA) est un traitement standard pour le cancer de la prostate de risque faible à intermédiaire, nécessitant une surveillance régulière via des IRM sérielles pour suivre l'évolution de la maladie. La segmentation précise de la prostate entière (WP) et de ses sous-régions (zone périphérique PZ, zone de transition TZ) est cruciale pour l'estimation du volume et la détection automatisée des lésions. Cependant, les modèles de deep learning existants font face à deux limitations primaires dans ce contexte :

Lacune de la modélisation longitudinale : La plupart des modèles de pointe (SOTA) sont entraînés sur des données à un seul point temporel. Ils traitent chaque examen de manière isolée, échouant à exploiter la riche information temporelle disponible dans les protocoles de SA où les patients subissent plusieurs examens au fil du temps.
Rareté des annotations : Les ensembles de données longitudinaux sont rares et coûteux à annoter manuellement. Les approches semi-supervisées existantes peinent souvent à gérer le décalage de domaine entre les jeux de données de pré-entraînement publics et les données cliniques de SA privées, ou ne parviennent pas à gérer le bruit inhérent aux pseudo-labels générés pour les examens longitudinaux non étiquetés.
Limitations architecturales : Bien que les Transformers capturent le contexte à longue portée, ils nécessitent souvent de grands ensembles de données et peinent avec les détails fins. À l'inverse, les CNN (comme nnU-Net) sont robustes mais manquent de mécanismes explicites pour modéliser l'évolution temporelle sans un recalage d'image rigide, lequel est peu fiable pour l'IRM de la prostate en raison des déformations non rigides.

Méthodologie
Les auteurs proposent MambaX-Net, une nouvelle architecture de segmentation 3D à double entrée et semi-supervisée, conçue spécifiquement pour les données longitudinales. Le modèle étend le cadre 3D de nnU-Net pour traiter une paire de scans : l'examen actuel au temps $t$ ( $I_t$ ) et l'examen précédent au temps $t-1$ ( $I_{t-1}$ ), ainsi que le masque de segmentation du temps précédent ( $M_{t-1}$ ).

Les composants architecturaux clés incluent :

Structure à double encodeur : Deux encodeurs avec des poids partagés traitent $I_t$ et $I_{t-1}$ . L'encodeur pour $I_{t-1}$ est tronqué pour n'extraire que les trois niveaux de caractéristiques supérieurs afin de équilibrer l'efficacité computationnelle avec la préservation des détails spatiaux à haute résolution.
Module d'extraction de forme (SEM) : Un bloc séquentiel de couches convolutionnelles 3D qui encode le masque de segmentation précédent ( $M_{t-1}$ ) en une représentation anatomique latente ( $f_{SEM}^{t-1}$ ). Cela sert de priorité anatomique explicite, capturant les informations de forme et de taille spécifiques au patient sans nécessiter de recalage d'image explicite.
Module d'attention croisée amélioré par Mamba (M-CAM) : C'est l'innovation centrale. Il intègre des blocs Mamba (modèles d'espace d'état) dans un mécanisme d'attention croisée.
- Les caractéristiques du scan actuel ( $f_t$ ) agissent comme des requêtes (queries).
- Les caractéristiques du scan précédent ( $f_{t-1}$ ) combinées à la sortie du SEM ( $f_{SEM}^{t-1}$ ) agissent comme des clés (keys) et des valeurs (values).
- Les blocs Mamba traitent ces plongements (embeddings) pour capturer efficacement les dépendances spatiales et temporelles à longue portée avec une mise à l'échelle linéaire, évitant la complexité quadratique des Transformers.
- Le module effectue un alignement de caractéristiques implicite dans l'espace latent, fusionnant les données d'image du scan actuel avec le guidage structurel du masque précédent.
Cadre d'auto-apprentissage (Self-Training) : Pour remédier au manque d'annotations d'experts dans les ensembles de données longitudinaux, les auteurs emploient une stratégie semi-supervisée. Un nnU-Net pré-entraîné sur le jeu de données public PI-CAI génère des pseudo-labels pour les données d'entraînement de SA non étiquetées. Ces pseudo-labels sont utilisés pour affiner MambaX-Net, le pseudo-label du point temporel précédent servant d'entrée et le pseudo-label du point temporel actuel servant au calcul de la perte (loss).
Fonction de perte : Une perte modifiée Focal Tversky Dice Cross-Entropy (FT_DCE) est utilisée pour gérer le déséquilibre des classes et se concentrer sur les exemples négatifs difficiles, particulièrement à l'apex et à la base irréguliers de la prostate.

Contributions Clés

Premier segment de Mamba longitudinal : MambaX-Net est la première architecture qui modélise conjointement l'évolution de l'IRM longitudinale et le contexte de la forme anatomique via un masque de priorité explicite en utilisant des blocs Mamba.
Intégration de modules novateurs : L'introduction des modules M-CAM et SEM permet au modèle d'ancrer l'attention globale dans la géométrie spécifique au patient, affinant les limites des zones sans dépendre d'un recalage rigide.
Efficacité des données : Le cadre démontre qu'une segmentation de haute qualité peut être obtenue avec des annotations d'experts limitées en exploitant des pseudo-labels bruités et le contexte temporel, surpassant les modèles entraînés sur de plus grands ensembles de données.

Résultats Expérimentaux
Le modèle a été évalué sur un ensemble de données longitudinales de SA privé (317 patients) et comparé aux bases de référence SOTA (nnU-Net-V2, SwinUNETR-V2, SegMamba) ainsi qu'à un modèle précédent à double scan (DSM).

Performance : MambaX-Net a nettement surpassé toutes les bases de référence en coefficient de similitude de Dice (DSC) et en distance de Hausdorff au 95e percentile (HD95) pour la WP, la PZ et la TZ, particulièrement dans les régimes de faibles données ( $n \le 50$ patients pour l'ajustement fin).
Robustesse : Le modèle a maintenu une performance supérieure même lorsqu'il était entraîné sur des pseudo-labels bruités, alors que les modèles à scan unique (particulièrement SwinUNETR) ont subi une dégradation sévère.
Analyse Qualitative : Les visualisations ont montré que MambaX-Net produisait des volumes 3D lisses et contigus avec une délimitation précise des contours, même dans des cas difficiles impliquant une anatomie post-chirurgicale (TURP) ou des artefacts d'image, là où d'autres modèles présentaient des fuites de bordure ou des prédictions disjointes.
Efficacité : Malgré un nombre important de paramètres (426,4M), MambaX-Net nécessite moins de mémoire GPU de crête (14,4 Go) et est plus rapide (276,3 ms) que SwinUNETR (25,1 Go, 649,5 ms) grâce à la mise à l'échelle linéaire des blocs Mamba, évitant les goulots d'étranglement de mémoire quadratiques des Transformers.

Signification et Revendications
L'article affirme que MambaX-Net offre une voie réalisable vers la translation clinique pour l'analyse longitudinale de l'IRM de la prostate sans nécessiter d'annotations manuelles extensives ou de recalage d'image explicite. En combinant efficacement l'efficacité de Mamba avec le guidage structurel d'un extracteur de forme, le modèle surmonte les limitations des CNN et des Transformers pour la gestion des données temporelles. Les auteurs soulignent que la capacité du modèle à exploiter les pseudo-labels tout en maintenant une haute précision dans des environnements de données rares et bruités répond à un goulot d'étranglement critique pour le déploiement de l'IA en surveillance active.

Les auteurs reconnaissent modestement les limites, notant que l'étude est basée sur un ensemble de données d'une seule institution et que la conception à double entrée traite actuellement des paires de points temporels plutôt que de modéliser simultanément trois points ou plus. Ils notent également que la performance peut se dégrader si les pseudo-labels deviennent hautement corrompus, affectant particulièrement la PZ, suggérant des travaux futurs dans l'auto-apprentissage sensible à l'incertitude.

Articles similaires