Résumé technique : Diffusion anatomie-maladie désenchevêtrée (DADD) pour la synthèse contrôlée de la progression de la colite ulcéreuse

1. Énoncé du problème

La synthèse d'images médicales longitudinales à des stades de maladie contrôlables est entravée par l'enchevêtrement des caractéristiques anatomiques spécifiques au patient et des textures pathologiques. Dans le contexte de la colite ulcéreuse (CU), la sévérité de la maladie suit une progression ordinaire continue définie par le score endoscopique de Mayo (MES), allant de 0 (normal) à 3 (sévère). Les jeux de données existants, tels que LIMUC, souffrent d'un déséquilibre de classes sévère et d'un manque de suivi longitudinal en raison du caractère invasif des endoscopies répétées.

Les approches génératives actuelles font face à un « goulot d'étranglement de l'enchevêtrement » critique. Les méthodes qui conditionnent la génération sur des images de référence (par exemple, IP-Adapter utilisant des encodeurs CLIP) intègrent inévitablement la pathologie de la maladie source dans la représentation anatomique. Lorsqu'on tente de synthétiser une progression contrefactuelle (par exemple, transformer une image source de MES 3 en MES 0), le modèle reçoit des signaux contradictoires : il doit préserver la structure anatomique tout en effaçant simultanément la pathologie source et en générant un nouveau niveau de sévérité. Ce conflit sémantique conduit souvent à des artefacts structurels ou à l'échec de la suppression des caractéristiques de la maladie existante.

2. Méthodologie

Le cadre proposé, Diffusion anatomie-maladie désenchevêtrée (DADD), résout ce problème en séparant explicitement l'identité anatomique de la sévérité de la maladie au sein d'un modèle de diffusion latent. L'architecture intègre trois composants novateurs dans une base standard Stable Diffusion :

2.1. Encodeur ordinal additif (AOE)

Pour modéliser la nature continue du MES, le cadre emploie un AOE qui représente la sévérité comme une somme cumulative d'incréments appris. Un niveau MES plus élevé inclut toutes les caractéristiques des niveaux inférieurs plus une pathologie supplémentaire. Cela permet la génération de niveaux de sévérité intermédiaires arbitraires via une interpolation continue.

2.2. Purificateur de caractéristiques

Pour résoudre l'enchevêtrement entre l'anatomie et la maladie source, un Purificateur de caractéristiques est introduit. Ce module opère en trois étapes :

1. Identification : Une couche d'attention croisée interroge les jetons d'image contre l'embedding de la maladie source (dérivé de l'étiquette MES source) pour identifier les canaux corrélés à la maladie.
2. Gating : Un MLP de gating génère un masque sigmoïde pour contrôler la suppression de ces caractéristiques identifiées.
3. Effacement : Une soustraction résiduelle gatingée retire le composant maladie des jetons d'image, produisant des jetons d'anatomie « purifiés » ($e_{clean}$) qui conservent l'identité structurelle mais manquent de pathologie source.

2.3. Attention croisée à triple voie

Au lieu de concaténer tous les jetons de conditionnement, DADD utilise un mécanisme d'injection fractionnée avec trois voies distinctes injectées dans le U-Net :

• Voie anatomique : Traite les jetons d'anatomie purifiés ($e_{clean}$) en utilisant des projections préentraînées pour préserver la reconstruction structurelle.
• Voie maladie : Traite les jetons de maladie cible ($e_{aoe}^t$) en utilisant des projections séparées et sans biais.
• Voie Delta : Traite le changement directionnel de sévérité ($\Delta$) dérivé de la différence entre les embeddings cible et source.

Routage sensible à la fréquence : Le cadre emploie des portes de routage dépendantes de la résolution ($g_a, g_d$) pour pondérer la contribution de l'anatomie par rapport à la maladie à différentes profondeurs du U-Net. Les blocs de basse résolution (capturant la structure globale) sont fortement pondérés vers l'anatomie, tandis que les blocs de haute résolution (capturant la texture fine) sont pondérés vers la maladie. Cela garantit que les modifications de la maladie sont confinées aux textures pathologiques fines sans perturber la structure muqueuse globale.

2.4. Pilotage Delta

Pour permettre un contrôle précis des transitions de maladie sans le coût computationnel du Guidage sans classe (CFG), les auteurs introduisent le Pilotage Delta. Il s'agit d'un signal directionnel en un seul passage, sans entraînement, dérivé de la différence projetée entre les embeddings ordinaux cible et source.

• Mécanisme : $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$.
• Fonctionnement : Lors de l'inférence, $\Delta$ est traité via les projections de maladie sans biais pour injecter un signal signé, proportionnel à l'amplitude, dans le mécanisme d'attention.
• Avantage : Cela élimine le besoin de passages avant non conditionnels, réduisant la latence d'inférence d'environ 2× par rapport aux CFG standards.

3. Contributions clés

• Désenchevêtrement par effacement : Un Purificateur de caractéristiques basé sur l'attention croisée qui identifie et supprime dynamiquement les canaux corrélés à la maladie des jetons d'image, désenchevêtrant efficacement l'anatomie de la pathologie.
• Injection sensible à la fréquence : Un mécanisme d'attention croisée à triple voie avec des portes de routage fixes qui dirige les signaux anatomiques et pathologiques vers les couches appropriées du U-Net en fonction de la hiérarchie de résolution.
• Pilotage Delta : Un mécanisme de contrôle novateur en un seul passage pour la progression monotone de la maladie, offrant un contrôle signé et proportionnel à l'amplitude, constituant une alternative plus efficace au CFG.
• Augmentation ciblée : Une démonstration empirique montrant que la synthèse de données longitudinales spécifiques au sujet rééquilibre efficacement les distributions de classes déséquilibrées, améliorant les performances de classification en aval.

4. Résultats expérimentaux

Le cadre a été validé sur le jeu de données LIMUC (10 284 images) en utilisant Stable Diffusion v1.4.

• Qualité de génération : Bien que certaines variantes (DADD-I, DADD-U) aient obtenu des scores de distance d'Inception Fréchet (FID) plus faibles, elles n'ont pas réussi à produire de caractéristiques pathologiques discriminatives, résultant en des performances quasi aléatoires dans les tâches en aval. La configuration Routage hiérarchique (DADD-H), qui aligne l'injection de la maladie avec les couches de haute résolution, a atteint le meilleur équilibre.
• Classification en aval : DADD-H a considérablement amélioré la précision de classification et le Kappa pondéré quadratique (QWK) par rapport aux bases de référence. Dans un scénario d'entraînement « Synthétique uniquement » (sans données réelles), DADD-H a atteint 61,68 % de précision et 70,74 QWK, surpassant la base de référence IP-AOE (54,54 % / 42,20 QWK).
• Fidélité de la sévérité : Un Juge de régression entraîné sur des données réelles a évalué les sorties synthétiques. DADD-H a obtenu 81,53 QWK et 0,46 RMSE, correspondant étroitement aux performances des modèles entraînés sur des données réelles (83,28 QWK / 0,47 RMSE). Cela confirme que le modèle transforme véritablement la pathologie plutôt que de reproduire la source.
• Vitesse d'inférence : Les variantes DADD ont atteint environ un accélération de 2× par rapport aux bases de référence basées sur CFG (par exemple, 187,3 ms/img contre 314,6 ms/img pour une taille de lot de 8) grâce au mécanisme de pilotage delta en un seul passage.
• Analyse qualitative : Les comparaisons visuelles ont montré que DADD-H a réussi à effacer les textures pathologiques existantes lors de la synthèse de niveaux de sévérité inférieurs (par exemple, MES 3 $\to$ 0), tandis que les bases de référence IP-Adapter n'ont pas réussi à supprimer la maladie source, résultant en des générations enchevêtrées.

5. Importance et revendications

L'article revendique que DADD fournit un cadre robuste pour la synthèse d'images médicales longitudinales où l'anatomie spécifique au patient est préservée tandis que la sévérité de la maladie est modulée de manière contrôlable. Les auteurs soulignent que :

1. La similarité distributionnelle (FID) est insuffisante pour valider la synthèse de progression conditionnelle ; les modèles avec un faible FID peuvent échouer à modifier la pathologie de manière significative.
2. Le désenchevêtrement est critique : effacer explicitement les informations de la maladie source de l'embedding anatomique est nécessaire pour éviter les conflits sémantiques lors de la génération contrefactuelle.
3. Efficacité : Le mécanisme de pilotage delta offre une alternative computationnellement efficace au CFG, rendant la synthèse contrôlable plus pratique pour les applications cliniques.
4. Utilité clinique : La capacité à générer des données longitudinales équilibrées et spécifiques au sujet répond directement au déséquilibre de classes endémique dans les jeux de données médicaux, améliorant l'entraînement des classificateurs diagnostiques en aval.

Les auteurs notent que les performances restent sensibles à l'échelle de pilotage ($\lambda_{steer}$), avec des valeurs $\ge 5$ introduisant des artefacts structurels, et suggèrent un travail futur sur des calendriers de pilotage par classe et une extension à d'autres modalités médicales longitudinales.