WSI-INR: Implicit Neural Representations for Lesion Segmentation in Whole-Slide Images

Ce papier présente WSI-INR, une nouvelle approche sans patchs basée sur les représentations neuronales implicites qui modélise les images de lames entières comme des fonctions continues pour améliorer la robustesse et la précision de la segmentation des lésions pathologiques à travers différentes résolutions.

L'essentiel

🩺 WSI-INR : La "Carte Magique" pour les Tumeurs

Imaginez que vous êtes un pathologiste (un médecin qui étudie les tissus au microscope). Votre tâche est d'analyser une image de lame entière (Whole-Slide Image ou WSI). C'est une photo gigantesque d'un échantillon de tissu, si grande qu'elle contient des milliards de pixels. C'est comme essayer de voir une fourmilière entière depuis un avion, tout en ayant besoin de compter chaque fourmi individuelle pour détecter une maladie.

Le problème, c'est que les ordinateurs actuels ont du mal à gérer ces images géantes.

🧩 Le Problème : La Méthode du "Puzzle" (Les anciennes méthodes)

Jusqu'à présent, pour analyser ces images, les ordinateurs utilisaient une méthode un peu brutale : ils découpaient l'image géante en milliers de petits morceaux carrés, comme un puzzle.

• Le souci : En découpant l'image, on perd la continuité. C'est comme essayer de comprendre une histoire en lisant chaque phrase sur un post-it séparé, sans voir le lien entre elles.
• Le problème de la taille : Si vous regardez le puzzle avec une loupe (haute résolution) ou sans loupe (basse résolution), les anciens ordinateurs pensaient que c'étaient deux images totalement différentes. Ils ne comprenaient pas que c'était le même tissu vu à des échelles différentes. Résultat : quand on changeait de zoom, le diagnostic devenait chaotique et plein d'erreurs.

✨ La Solution : WSI-INR (La "Peinture Continue")

Les chercheurs (Yunheng Wu et son équipe) ont proposé une idée révolutionnaire appelée WSI-INR. Au lieu de découper l'image en puzzle, ils la traitent comme une peinture continue ou une carte géographique infinie.

Voici comment cela fonctionne avec des analogies simples :

1. Pas de puzzle, juste des coordonnées GPS 📍
Imaginez que l'image n'est pas une collection de tuiles, mais un grand terrain de jeu. Au lieu de donner un morceau de l'image à l'ordinateur, on lui donne simplement des coordonnées GPS (X, Y).

• Question à l'ordinateur : "À la position X=100, Y=200, qu'est-ce qu'il y a ?"
• Réponse de l'ordinateur : "C'est du tissu sain" ou "C'est une tumeur".
  L'ordinateur apprend une fonction mathématique continue qui relie n'importe quel point du terrain à son contenu. Il n'y a plus de coupures, tout est fluide.

2. Le "Code Postal" Multi-Échelle (Hash Grid) 🗺️
Comment l'ordinateur comprend-il que le tissu est le même, que ce soit vu de très près ou de loin ?
Ils utilisent une astuce appelée "Encodage de Grille de Hachage Multi-Résolution".

• L'analogie : Imaginez que vous avez une carte de la France.
  • À basse résolution, vous voyez juste les grandes régions (Bretagne, Provence).
  • À haute résolution, vous voyez les rues et les maisons.
  • La méthode WSI-INR utilise un système de "codes postaux" intelligents qui s'adaptent. Que vous regardiez la carte de loin ou de près, le système sait que la "Maison A" fait partie de la "Rue B", qui fait partie de la "Ville C". Il ne voit pas deux images différentes, mais un seul et même tissu vu à différentes densités d'échantillonnage.

3. L'Entraînement en Deux Temps 🎓
Pour apprendre à l'ordinateur à faire cela, ils utilisent une stratégie en deux étapes, comme un étudiant qui apprend d'abord à dessiner avant de peindre :

• Étape 1 (Apprentissage de la forme) : L'ordinateur essaie de reconstruire l'image pixel par pixel à partir des coordonnées. Il apprend à "voir" la texture du tissu.
• Étape 2 (Apprentissage du diagnostic) : Une fois qu'il a bien compris la structure du tissu, on lui apprend à dire "Ceci est une tumeur" ou "Ceci est sain".

🏆 Les Résultats : Pourquoi c'est génial ?

Les tests ont été impressionnants :

• Robustesse : Là où les anciennes méthodes (comme U-Net) échouaient lamentablement quand on changeait le niveau de zoom (perdant jusqu'à 54% de leur précision), WSI-INR restait stable.
• Amélioration : En ajustant légèrement le modèle pour une résolution spécifique, WSI-INR a même gagné 26% de précision par rapport à son état initial, là où les autres perdaient la moitié de leur efficacité.
• Nouveau monde : Avant, cette technologie (les INR) ne fonctionnait bien que pour des organes réguliers (comme le cœur). Ici, ils ont réussi à l'appliquer à des tissus malades très désordonnés et complexes, ce qui était considéré comme très difficile.

🚀 En Résumé

WSI-INR est comme passer d'une vision en "pixels carrés" à une vision en "vecteurs fluides". Au lieu de traiter une image de microscope comme un puzzle cassé, ils la traitent comme une carte vivante et continue. Cela permet aux ordinateurs de diagnostiquer les cancers avec une bien plus grande précision, peu importe le niveau de zoom utilisé, offrant ainsi un nouvel espoir pour l'analyse médicale future.

Résumé technique

1. Problématique

Les images de lames entières (WSI - Whole-Slide Images) sont fondamentales en pathologie computationnelle pour la segmentation des lésions, mais elles présentent des défis majeurs pour les méthodes d'apprentissage profond actuelles :

• Discrétisation spatiale : Les méthodes existantes découpent les WSI en patches discrets. Cela brise la continuité spatiale des structures tissulaires et traite les vues multi-résolutions comme des échantillons indépendants, ce qui entraîne des segmentations fragmentées.
• Incohérence multi-résolution : Les pathologistes examinent les mêmes zones à différentes résolutions. Les méthodes basées sur des patches traitent souvent ces résolutions comme des données distinctes, ce qui conduit à une perte de robustesse lors de l'inférence à des résolutions différentes de celle d'entraînement (ex: dégradation des performances à des résolutions inférieures).
• Limites des INR existantes : Les Représentations Neuronales Implicites (INR) ont réussi pour les structures anatomiques stables (cerveau, cœur), mais leur application aux lésions pathologiques, hautement hétérogènes et sans motifs structurels unifiés, reste un défi. Les encodages de coordonnées globaux fixes ne capturent pas suffisamment les variations structurelles locales complexes.

2. Méthodologie : WSI-INR

Les auteurs proposent WSI-INR, un cadre d'apprentissage sans patches (patch-free) basé sur les INR. Au lieu de traiter l'image comme un ensemble de patches, le WSI est modélisé comme une fonction implicite continue qui mappe directement les coordonnées spatiales $(x, y)$ vers des caractéristiques sémantiques et des probabilités de segmentation.

L'architecture comprend trois composants clés :

A. Encodage Hash Multi-Résolution (Multi-Resolution Hash Encoding)

Pour gérer l'hétérogénéité des tissus et la structure pyramidale des WSI :

• L'encodage utilise une grille de hash à plusieurs niveaux de résolution ($L$ niveaux).
• Il traite les différentes résolutions de la WSI comme des densités d'échantillonnage variables d'une même fonction continue.
• Cela permet d'attribuer plus de capacité de représentation aux régions structurellement complexes (lésions) tout en compressant les arrière-plans homogènes, assurant une cohérence des caractéristiques à travers les échelles.

B. Décodeur à Double Branche

Un décodeur partagé ($f_\theta$) est utilisé pour capturer à la fois les structures locales et les relations globales :

• Branche CNN : Modélise explicitement la continuité spatiale locale et les motifs de voisinage pour capturer les structures fines (cellules).
• Branche MLP : Capture les relations spatiales globales via la représentation implicite.
• Les sorties sont fusionnées pour former une représentation implicite unifiée.

C. Stratégie d'Entraînement en Deux Étapes

Pour éviter l'apprentissage de raccourcis (shortcut learning) où la segmentation domine trop tôt :

1. Étape 1 (Reconstruction) : Le décodeur, l'encodage hash et la tête de reconstruction sont optimisés pour reconstruire l'intensité de l'image (perte MSE). La tête de segmentation est gelée. Cela établit une représentation implicite stable de l'apparence et de la structure du tissu.
2. Étape 2 (Segmentation) : Les composants appris sont gelés, et seule la tête de segmentation est entraînée (avec une perte BCE et Dice) sur l'espace de caractéristiques sémantiques structuré.

D. Optimisation au Moment de l'Inférence (ITO)

Pour chaque nouvelle WSI non vue :

• Les paramètres globaux du réseau sont figés.
• L'encodage hash spécifique à cette WSI est optimisé via la perte de reconstruction (sans supervision de segmentation).
• Cela permet au modèle de s'adapter rapidement aux textures et structures spécifiques de la nouvelle lame tout en conservant les priors sémantiques appris.

3. Contributions Clés

1. Modélisation Continue : Proposition de WSI-INR, le premier cadre INR conçu spécifiquement pour la segmentation de lésions sur des WSI, traitant l'image comme une fonction continue plutôt qu'une collection de patches.
2. Robustesse Multi-Résolution : Introduction d'un encodage hash multi-résolution qui unifie les différentes résolutions en tant que variations de densité d'échantillonnage, permettant une segmentation cohérente à travers les échelles.
3. Extension des INR : Démonstration que les INR peuvent segmenter des régions pathologiques hautement hétérogènes (contrairement aux structures anatomiques stables), élargissant ainsi le champ d'application des INR.
4. Performance Supérieure : Résultats expérimentaux montrant une robustesse supérieure aux méthodes classiques (U-Net, TransUNet) lors de changements de résolution.

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données CAMELYON16 (métastases ganglionnaires du cancer du sein).

• Robustesse aux changements de résolution :
  • Les méthodes basées sur des patches (U-Net, TransUNet) subissent une chute drastique des performances lorsqu'elles sont évaluées à des résolutions inférieures à celle d'entraînement (ex: U-Net perd 54,28 % de son score Dice à Base/4).
  • WSI-INR maintient une performance stable. Avec une optimisation spécifique à la résolution, le score Dice s'améliore de +26,11 % à Base/4 par rapport à l'optimisation de base, surpassant nettement les méthodes de référence.
• Analyse par ablation :
  • Sans encodage ou avec un encodage de position fixe (type NeRF), la reconstruction et la segmentation échouent (Dice proche de 0).
  • L'encodage Hash complet (haute et basse fréquence combinées) est essentiel pour capturer à la fois les détails cellulaires et la cohérence structurelle globale.
• Visualisation : Les résultats montrent que WSI-INR préserve la continuité structurelle des lésions, tandis que les méthodes par patches produisent des prédictions fragmentées et discontinues aux résolutions inférieures.

5. Signification et Impact

Ce travail représente une avancée significative pour la pathologie computationnelle :

• Perspective Nouvelle : Il offre une alternative viable aux approches par patches, résolvant le problème de la fragmentation spatiale et de l'incohérence multi-résolution.
• Généralisation : En prouvant que les INR peuvent gérer l'hétérogénéité pathologique, il ouvre la voie à des modèles plus robustes pour l'analyse de tissus complexes.
• Évolutivité : Le cadre proposé est scalable et pourrait être étendu à d'autres tâches d'analyse de WSI, bien que des défis subsistent concernant la généralisation inter-centres et la modélisation de lésions microscopiques.

En résumé, WSI-INR démontre que la modélisation implicite continue, couplée à un encodage adaptatif et à une optimisation au moment de l'inférence, permet d'atteindre une robustesse inégalée dans la segmentation de lésions sur des images de lames entières, indépendamment des variations de résolution.