🤖 machine learning

HamVision: Hamiltonian Dynamics as Inductive Bias for Medical Image Analysis

Le papier présente HamVision, un cadre d'analyse d'images médicales qui exploite l'oscillateur harmonique amorti comme biais inductif structuré pour générer des représentations de phase (position, quantité de mouvement et énergie) permettant d'atteindre des performances de pointe en segmentation et en classification sur dix benchmarks médicaux.

Auteurs originaux : Mohamed A Mabrok

Publié 2026-03-24

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Mohamed A Mabrok

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

🏥 HamVision : Quand les Images Médicales Apprennent à "Vibrer"

Imaginez que vous essayez de comprendre une image médicale (comme une radio ou une photo de peau) pour détecter une maladie. Habituellement, les intelligences artificielles (IA) apprennent tout par cœur en regardant des milliers d'exemples, un peu comme un étudiant qui mémorise des fiches sans vraiment comprendre la logique derrière.

Les auteurs de cet article ont eu une idée brillante : au lieu d'enseigner tout à l'IA, donnons-lui les lois de la physique.

Ils ont créé un système appelé HamVision. Pour le comprendre, oubliez les mathématiques complexes et imaginez un ressort avec un poids attaché, comme un pendule ou une masse sur un élastique. C'est ce qu'on appelle un oscillateur harmonique.

1. Le Cœur du Système : Le Ressort Magique 🎻

Dans la nature, quand vous tirez un ressort et le lâchez, il oscille. Il a trois états naturels :

La Position (q) : Où se trouve le poids ? (C'est le contenu de l'image, ce qu'on voit).
La Quantité de Mouvement (p) : À quelle vitesse le poids bouge-t-il ? (C'est la vitesse de changement. Dans une image, cela correspond aux bords et aux textures, là où les choses changent brusquement).
L'Énergie (H) : Combien d'activité y a-t-il ? (C'est une carte qui dit : "Regarde ici, c'est important !").

L'astuce géniale : Dans HamVision, l'IA ne "devine" pas ces trois choses. Elles émergent naturellement parce que l'IA utilise les lois de la physique du ressort pour traiter l'image. C'est comme si l'IA avait un radar intégré qui détecte automatiquement les contours et les zones importantes sans qu'on ait besoin de lui apprendre spécifiquement comment faire.

2. Comment ça marche pour les deux tâches principales ?

L'article montre que ce même "ressort" peut faire deux métiers différents, juste en changeant la façon dont on utilise les informations.

A. Pour la Segmentation (Dessiner les contours) 🎨
Imaginez que vous devez colorier la zone d'un tumeur sur une photo.

Le problème : Les bords sont souvent flous ou bruités.
La solution HamVision :
- L'Énergie agit comme un interrupteur intelligent. Elle dit au système : "Attention, ici il y a beaucoup d'activité, on garde ces détails !". Elle filtre le bruit de fond.
- La Quantité de Mouvement agit comme un pinceau à contours. Elle injecte des informations précises sur les bords à chaque étape du dessin.
- Résultat : L'IA dessine des contours beaucoup plus précis que les méthodes habituelles, même avec très peu de paramètres (elle est petite et rapide).

B. Pour la Classification (Dire quel est le problème) 🏷️
Imaginez que vous devez dire si une goutte de sang est saine ou malade.

Le problème : Il faut résumer toute l'image en une seule décision.
La solution HamVision :
- Au lieu de regarder chaque pixel, l'IA prend la moyenne de tout ce que le ressort a vu.
- Elle regarde : "Est-ce que l'image est très texturée ? (Mouvement élevé)". "Est-ce qu'il y a beaucoup d'activité globale ? (Énergie)".
- Résultat : Elle classe les maladies avec une précision record (parfois plus de 98% de réussite), battant des géants de l'IA beaucoup plus gros et plus lents.

3. Pourquoi c'est une révolution ? 🚀

C'est économe : Les autres IA sont comme des camions de déménagement (énormes, lourds, consomment beaucoup d'énergie). HamVision est comme un vélo électrique : léger, efficace et rapide. Il utilise environ 8 millions de paramètres, alors que les concurrents en utilisent souvent 100 millions ou plus.
C'est compréhensible : Avec les IA classiques, on ne sait pas toujours pourquoi elles prennent une décision (c'est une "boîte noire"). Avec HamVision, on peut regarder la "Quantité de Mouvement" et dire : "Ah, l'IA a détecté ce bord parce que le ressort a vibré fort ici". C'est transparent.
C'est universel : Ça marche aussi bien sur des images de peau, des ultrasons de la thyroïde, des IRM du cœur ou des microscopes à sang. Le "ressort" comprend la nature des images médicales, peu importe l'appareil qui les a prises.

En résumé 🌟

HamVision, c'est comme donner à l'IA un instinct physique. Au lieu de simplement "regarder" une image, elle la "ressent" comme un objet physique qui vibre.

Elle détecte les bords grâce à la vitesse (momentum).
Elle détecte les zones importantes grâce à l'énergie.
Elle le fait tout en restant petite, rapide et précise.

C'est une preuve que parfois, pour faire avancer l'intelligence artificielle, il faut se souvenir des lois fondamentales de la physique qui régissent notre monde.

1. Problématique

L'analyse d'images médicales englobe des tâches variées, allant de la segmentation pixel par pixel à la classification d'images entières. Les architectures dominantes actuelles (comme les U-Net pour la segmentation et les CNN/Transformers pour la classification) apprenent des transformations de caractéristiques génériques à partir des données, en s'appuyant principalement sur la capacité du modèle plutôt que sur des priors structurels.

Le défi réside dans l'extraction de caractéristiques discriminatives à partir d'images complexes et bruyantes, où l'information pertinente peut se trouver dans de subtiles gradients aux limites des tissus, des motifs texturaux ou des distributions spatiales d'intensité. Les méthodes existantes manquent souvent d'une inductive bias (biais inductif) explicite qui encode la nature physique des signaux d'image, tels que les frontières, les textures et l'activité locale.

2. Méthodologie : HamVision

Le papier propose HamVision, un cadre unifié qui utilise le pendule harmonique amorti comme biais inductif structuré. L'idée centrale est que la dynamique intrinsèque d'un oscillateur amorti génère naturellement trois représentations fonctionnellement distinctes, utiles pour n'importe quelle tâche d'analyse d'image médicale, sans nécessiter d'apprentissage de ces propriétés spécifiques.

A. Le Bottleneck Hamiltonien

Au cœur de l'architecture se trouve un « bottleneck » (goulot d'étranglement) qui traite les cartes de caractéristiques via une banque d'oscillateurs. Pour un signal spatial variant $u(t)$ , la réponse de l'oscateur se décompose en :

Position ( $q$ ) : Le contenu du signal filtré.
Momentum ( $p = \dot{q}$ ) : La dérivée spatiale du signal. Elle atteint son maximum aux frontières (transitions abruptes) et s'annule dans les régions homogènes.
Énergie ( $H = \frac{1}{2}|z|^2$ ) : Une carte de saillance scalaire sans paramètre, intégrant à la fois le contenu et les gradients.

Ces représentations émergent des équations de Hamilton (dynamique amortie) et non de la supervision. L'implémentation utilise une discrétisation par intégrateur exponentiel pour garantir la stabilité (BIBO) et permettre un calcul parallèle efficace (scan parallèle) sur les lignes et colonnes de l'image.

B. Architecture Partagée et Têtes Spécifiques

HamVision utilise un encodeur commun (basé sur ConvNeXt) et le bottleneck Hamiltonien, mais adapte la tête de sortie selon la tâche :

HamSeg (Segmentation) :
- Utilise un décodeur de type U-Net.
- Portes d'énergie (Energy Gating) : La carte d'énergie $H$ module les connexions de saut (skip connections) entre l'encodeur et le décodeur, en mettant en évidence les régions saillantes.
- Injection de Momentum : Le tenseur de momentum $p$ est injecté à chaque niveau du décodeur pour fournir des informations de frontière précises.
- Cette approche permet une détection multi-échelle des contours.
HamCls (Classification) :
- Remplace le décodeur par une tête de pooling de l'espace des phases.
- Les trois représentations sont regroupées globalement :
  - $q$ (moyenne des features) $\rightarrow$ contenu de l'image.
  - $|p|$ (moyenne du momentum) $\rightarrow$ complexité texturale et densité des frontières.
  - $H$ (statistiques de l'énergie) $\rightarrow$ niveau global d'excitation.
- Ces vecteurs sont concaténés et classifiés via un petit MLP.

3. Contributions Clés

Bottleneck Hamiltonien Structuré : Introduction d'un processus dynamique unique produisant position, momentum et énergie comme représentations intermédiaires structurées.
Têtes de Tâche Adaptatives : Conception de deux têtes exploitant ces représentations : injection de momentum et gating par énergie pour la segmentation, et pooling de l'espace des phases pour la classification.
Efficacité et Performance : Démonstration qu'une seule architecture partagée atteint des résultats state-of-the-art (SOTA) sur 10 benchmarks avec seulement 7 à 9 millions de paramètres (contre 16M à 105M pour les concurrents).
Interprétabilité Intrinsèque : Preuve que les sorties de l'oscillateur portent un sens physique vérifiable (ex: le momentum encode les gradients) sans nécessiter de méthodes d'explication post-hoc.

4. Résultats Expérimentaux

Le modèle a été évalué sur 10 benchmarks couvrant 5 modalités d'imagerie (dermoscopie, échographie, IRM, microscopie, CT).

Segmentation (4 benchmarks) :
- ISIC 2018 : 89,38 % de Dice (SOTA).
- ISIC 2017 : 88,40 % de Dice.
- TN3K (Thyroïde) : 87,05 % de Dice.
- ACDC (Cœur) : 92,40 % de Dice, surpassant FreqConvMamba de +2,61 %.
- Note : HamSeg utilise 8,57M de paramètres, soit 2 à 12 fois moins que les méthodes comparées.
Classification (6 benchmarks MedMNIST) :
- BloodMNIST : 98,85 % de précision (SOTA, +0,45 % par rapport à MedMamba-S).
- PathMNIST : 96,65 % de précision (SOTA, +0,25 % par rapport à MedMamba-B).
- Résultats compétitifs sur DermaMNIST, BreastMNIST, OrganSMNIST et RetinaMNIST.

5. Analyse et Signification

Validité Physique : L'analyse diagnostique confirme que le momentum suit un gradient Intérieur > Frontière > Extérieur, et que la carte d'énergie corrèle fortement avec les régions discriminatives. Ces propriétés émergent purement de la dynamique hamiltonienne.
Généralité : La performance constante sur des modalités aussi différentes que l'échographie, l'IRM et la microscopie suggère que le biais inductif de l'oscillateur capture des propriétés fondamentales de l'analyse visuelle (détection de changements, activité, fréquence) plutôt que des artefacts spécifiques à un type d'image.
Efficacité : En fournissant trois sorties fonctionnelles distinctes à partir d'un seul processus dynamique, HamVision élimine le besoin de modules dédiés coûteux en paramètres.
Lien Théorique : Le travail s'aligne avec les développements récents en modélisation de langage (Mamba-3) sur la nécessité des transitions d'état complexes, mais va plus loin en exploitant l'interprétation physique de l'espace des phases pour la vision par ordinateur.

Conclusion : HamVision démontre que l'intégration de la dynamique hamiltonienne comme biais inductif structuré offre une base à la fois principielle et pratique pour l'analyse d'images médicales, permettant d'atteindre des performances de pointe avec une efficacité paramétrique exceptionnelle et une interprétabilité native.