Robust Multi-Source Covid-19 Detection in CT Images

1. Problématique

La détection du COVID-19 à partir de scanners thoraciques (CT) par apprentissage profond fonctionne généralement bien lorsque les données d'entraînement et de test proviennent du même hôpital. Cependant, ces modèles échouent souvent dans des environnements multi-sources en raison du décalage de domaine (domain shift). Ce phénomène est causé par des variations entre les centres médicaux concernant :

• Les équipements de scanner et les protocoles d'imagerie.
• L'épaisseur des tranches et les paramètres de reconstruction.
• Les populations de patients (âge, ethnicité, sévérité de la maladie).

Un problème majeur identifié par les auteurs est l'inégalité des volumes de données. Dans leur jeu de données, trois centres contribuent à environ 330 scans chacun, tandis qu'un quatrième n'en fournit que 234. Les méthodes standard entraînent le modèle sur l'ensemble global, ce qui biaise les représentations apprises vers les centres majoritaires, réduisant ainsi la performance sur les centres sous-représentés lors du déploiement.

2. Méthodologie

Les auteurs proposent un cadre d'apprentissage multi-tâches (Multi-Task Learning - MTL) conçu pour apprendre des représentations invariantes à la source.

A. Prétraitement (Pipeline SSFL + KDS)

Pour standardiser les données hétérogènes, l'approche suit le cadre SSFL (Slice Sampling from Full Lung) avec échantillonnage de tranches basé sur la densité de noyau (KDS) :

1. Extraction pulmonaire : Filtrage, binarisation et remplissage des trous pour isoler les poumons.
2. Échantillonnage KDS : Au lieu d'un sous-échantillonnage uniforme, une estimation de densité de noyau gaussien est appliquée sur la distribution des zones pulmonaires. Le volume est divisé en 8 intervalles de percentiles égaux, et la tranche la plus proche du milieu de chaque intervalle est sélectionnée.
   • Résultat : Chaque scan est représenté par exactement 8 tranches 2D (redimensionnées en 256x256), capturant les régions anatomiques les plus informatives (hilum, bases) indépendamment de la longueur originale du scan.

B. Architecture du Modèle

Le modèle utilise un backbone partagé EfficientNet-B7 (pré-entraîné sur ImageNet) :

• Entrée : Les 8 tranches d'un scan passent indépendamment par le backbone pour produire 8 vecteurs de caractéristiques (dimension 2560).
• Agrégation : Un mean pooling élémentaire combine ces vecteurs en une seule représentation au niveau du scan.
• Têtes de classification (Dual-Head) :
  1. Tête de détection COVID-19 : Produit la probabilité de positivité (classification binaire).
  2. Tête d'identification de source (Auxiliaire) : Prédit le centre médical d'origine (4 classes). Cette tâche force le backbone à dissocier les signaux pathologiques des artefacts spécifiques à l'hôpital.

C. Fonction de Perte et Ajustement des Logits

C'est l'innovation clé. Pour éviter que la tâche auxiliaire de classification de source ne soit dominée par les centres majoritaires, les auteurs appliquent une perte d'entropie croisée ajustée par les logits (Logit-Adjusted Cross-Entropy) sur la tête de source.

• Mécanisme : Un terme de correction basé sur la fréquence empirique des sources ($\log(p(d))$) est ajouté aux logits avant l'application du softmax.
• Objectif : Réduire le poids des gradients provenant des sources sur-représentées et augmenter celui des sources sous-représentées. Cela empêche le modèle de "tricher" en apprenant simplement à reconnaître l'hôpital dominant.
• Perte Totale : $\mathcal{L} = \mathcal{L}_{CE} + \gamma \cdot \mathcal{L}_{LA}$, où $\gamma$ contrôle l'influence de la tâche de source.

3. Contributions Clés

1. Formulation Multi-Tâches : Transformation de la détection COVID-19 multi-source en un problème combinant diagnostic et identification de source, poussant le modèle à apprendre des caractéristiques transférables au-delà des frontières institutionnelles.
2. Supervision de Source Ajustée : Démonstration que l'utilisation d'une perte d'entropie croisée standard pour la tâche de source est contre-productive. L'ajustement des logits améliore significativement la robustesse.
3. Performance Supérieure : Le modèle atteint des scores supérieurs aux méthodes mono-tâches et aux variantes multi-tâches standards, en particulier sur les centres sous-représentés.

4. Résultats Expérimentaux

Les expériences ont été menées sur une base de données multi-sources (3020 scans au total, 1222 pour l'entraînement, 308 pour la validation).

• Performance Globale :

  • Le modèle proposé (Multi-task + Logit Adjustment) avec $\gamma=0.5$ atteint un Score Final de 0,8194.
  • Cela représente une amélioration de 1,86 points de pourcentage par rapport à la base mono-tâche (0,8008) et de 1,98 points par rapport à la meilleure variante multi-tâche avec perte standard (CE).
  • F1-Score : 0,9098.
  • AUC-ROC : 0,9647.

• Analyse par Source :

  • Les gains sont concentrés sur les centres où la base de référence échouait le plus (Source 0 et Source 2), avec des améliorations de F1 respectives de +3,34 et +4,87 points.
  • La Source 3 (sous-représentée en cas COVID dans la validation) reste faible, mais cela est dû à l'absence de cas positifs dans le jeu de validation (problème structurel des données), et non à une défaillance du modèle sur les données non-COVID disponibles.

• Analyse de Sensibilité ($\gamma$) :

  • La performance est non monotone. Un $\gamma$ trop faible (0,1) n'apporte pas assez de régularisation. Un $\gamma$ trop élevé (1,0) fait dominer la tâche de source, dégradant la détection de la maladie. La valeur optimale est $\gamma = 0,5$.

5. Signification et Conclusion

Ce travail démontre que l'apprentissage multi-tâches n'est bénéfique pour la généralisation multi-source que si la tâche auxiliaire est conçue pour corriger activement les biais de distribution des données.

• Leçon principale : Une simple tâche de classification de source avec une perte standard hérite des mêmes déséquilibres que les données brutes, ce qui biaise le modèle vers les centres majoritaires. L'ajustement des logits est essentiel pour "aplanir" les contributions des gradients et forcer le modèle à ignorer les artefacts spécifiques aux hôpitaux.
• Impact : Cette approche offre une solution robuste pour le déploiement clinique de l'IA dans des environnements hétérogènes, garantissant que les performances ne s'effondrent pas lorsque le modèle rencontre des données d'un hôpital non vu pendant l'entraînement.
• Limites : La méthode nécessite que les identifiants de source soient disponibles pendant l'entraînement, ce qui peut poser problème dans des contextes d'anonymisation stricte.

Le code source est disponible publiquement sur GitHub, facilitant la reproduction et l'adoption de cette approche.