💻 computer science

Polygon-mamba: Retinal vessel segmentation using polygon scanning mamba and space-frequency collaborative attention

Le papier propose Polygon-mamba, un réseau hybride CNN-Mamba qui intègre un modèle d'espace d'état visuel à balayage polygonal et un mécanisme d'attention collaborative espace-fréquence pour préserver efficacement l'intégrité topologique et améliorer l'extraction de caractéristiques afin de segmenter avec précision les petits vaisseaux rétiniens sur plusieurs jeux de données.

Auteurs originaux : Yuanyuan Peng, Wen Li

Publié 2026-05-28

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Yuanyuan Peng, Wen Li

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

Imaginez que vous essayiez de tracer un système fluvial délicat et sinueux sur une carte, mais que l'encre soit pâle, le papier froissé et que la rivière se divise en de minuscules ruisseaux presque invisibles. C'est essentiellement ce à quoi les médecins sont confrontés lorsqu'ils tentent de cartographier les vaisseaux sanguins à l'arrière de l'œil (la rétine). Ces vaisseaux sont cruciaux pour le diagnostic des maladies oculaires, mais ils sont incroyablement difficiles à tracer car ils sont fins, sinueux et se fondent souvent dans le fond.

Ce papier présente un nouveau programme informatique appelé Polygon-mamba, conçu pour résoudre automatiquement ce problème de traçage. Voici comment il fonctionne, décomposé en concepts simples :

1. Le problème des anciennes cartes (le problème de la "grille")

Les anciens programmes informatiques tentaient de tracer ces vaisseaux en balayant l'image comme une tondeuse à gazon : se déplaçant strictement de gauche à droite, puis de droite à gauche, et de haut en bas.

L'analogie : Imaginez essayer de tracer une rivière courbe en utilisant uniquement une règle qui ne peut se déplacer que selon des lignes horizontales ou verticales droites. Vous manqueriez les courbes, briseriez la rivière en morceaux déconnectés et ne verriez pas les minuscules affluents.
Le résultat : Les anciennes méthodes brisaient souvent la continuité des vaisseaux ou manquaient totalement les plus petits.

2. La nouvelle stratégie : "l'analyse polygonale" (l'approche "toile d'araignée")

Les auteurs ont créé une nouvelle façon de balayer l'image appelée analyse polygonale. Au lieu d'une grille rigide, le programme balaye l'image selon des formes en expansion, comme une araignée tissant une toile ou des ondulations se propageant à partir d'une pierre jetée dans l'eau.

L'analogie : Au lieu de marcher selon une grille, imaginez vous tenir au centre d'une pièce et marcher vers l'extérieur en dessinant un cercle, puis un hexagone, puis un octogone. Vous couvrez chaque angle et chaque courbe naturellement.
L'avantage : Cette méthode "Polygon Mamba" suit la forme naturelle et sinueuse des vaisseaux sanguins. Elle maintient la "rivière" connectée et garantit que même les branches les plus minuscules et les plus fragiles sont détectées sans rompre la ligne.

3. La vue "à deux yeux" (espace et fréquence)

L'article soutient que regarder une image d'une seule manière ne suffit pas. Le nouveau modèle utilise un mécanisme d'attention collaborative espace-fréquence, comparable à porter deux paires de lunettes différentes pour regarder la même image.

Les lunettes spatiales : Elles se concentrent sur où se trouvent les choses et sur leur forme (la structure du vaisseau).
Les lunettes de fréquence : Elles se concentrent sur les détails et la "texture" (les bords nets et les lignes fines).
La collaboration : Le modèle combine ces deux points de vue. Il utilise la vue "spatiale" pour comprendre la vue d'ensemble et la vue "fréquence" pour affiner les bords flous et capturer les détails les plus ténus. Cela empêche l'ordinateur de se laisser tromper par le bruit de fond ou l'encombrement.

4. Les résultats : une meilleure carte

Les chercheurs ont testé ce nouveau "Polygon-mamba" sur trois ensembles de données standard (collections d'images rétiniennes) qui sont comme les "tests standard" de ce domaine.

Le résultat : Comparé à d'autres modèles informatiques de premier plan, leur nouvelle méthode était meilleure pour trouver les petits vaisseaux délicats. Elle a produit des cartes qui ressemblaient beaucoup plus à ce qu'un expert humain dessinerait à la main.
Les chiffres : Elle a obtenu des scores supérieurs en précision et en sensibilité (trouver les vaisseaux qui sont réellement présents) sur les trois tests.

Résumé

En bref, les auteurs ont construit un "traceur numérique" plus intelligent pour les vaisseaux sanguins de l'œil. Au lieu d'utiliser un scanner rigide et en grille qui brise les lignes délicates, ils ont utilisé un scanner flexible et changeant de forme (analyse polygonale) qui suit les courbes des vaisseaux. Ils ont également doté l'ordinateur d'un système de "double vision" pour voir à la fois la vue d'ensemble et les minuscules détails simultanément. Le résultat est une carte plus précise et complète des vaisseaux sanguins de l'œil, ce qui constitue une avancée significative pour aider les ordinateurs à assister les médecins dans le diagnostic des maladies oculaires.

Résumé Technique : Polygon-mamba pour la Segmentation des Vaisseaux Rétiniens

Énoncé du Problème

La segmentation des vaisseaux rétiniens est une tâche critique pour le diagnostic et l'évaluation des maladies oculaires. Cependant, la segmentation précise des petits vaisseaux rétiniens reste un défi majeur en raison de plusieurs facteurs :

Faible Contraste : Un contraste faible entre les vaisseaux et leur environnement rend la différenciation difficile.
Topologie Complexe : Les vaisseaux présentent des motifs complexes et entrelacés avec des variations d'échelle significatives.
Limitations des Modèles Existants :
- CNN : Bien que compétents pour capturer les détails locaux, ils éprouvent souvent des difficultés avec les dépendances à long terme.
- Transformers : Efficaces pour la sémantique globale mais coûteux en calcul.
- Modèles basés sur Mamba : Bien qu'offrant une complexité temporelle linéaire pour les dépendances à long terme, les architectures Mamba traditionnelles reposant sur un balayage horizontal et vertical peuvent compromettre l'intégrité topologique des structures anatomiques. Cela conduit souvent à des discontinuités locales et à des détections manquées dans les capillaires rétiniens fins et petits.
- Mécanismes d'Attention : De nombreuses méthodes existantes reposent uniquement sur l'attention spatiale, risquant de négliger des informations critiques du domaine fréquentiel nécessaires pour capturer les détails fins et les corrélations globales.

Méthodologie

Les auteurs proposent Polygon-mamba, un réseau de fusion hybride CNN-Mamba conçu pour répondre aux défis spécifiques de la détection des petits vaisseaux. L'architecture intègre deux modules novateurs dans un cadre UNet :

1. Modèle d'Espace d'État Visuel à Balayage Polygonal (PS-VSS)

Pour surmonter la fragmentation topologique causée par le balayage horizontal/vertical standard dans les modèles Mamba, les auteurs introduisent une stratégie de Balayage Polygonal au sein du Modèle d'Espace d'État Visuel (SS2D).

Mécanisme : Au lieu de balayages linéaires, le modèle initie à partir d'un point central et s'étend vers l'extérieur le long de chemins polygonaux (par exemple, pentagonaux, hexagonaux).
Balayage Inverse Multi-couche : La direction de balayage alterne entre les couches (par exemple, Couche $M$ vs Couche $M+1$ ), créant un effet de balayage inverse qui couvre systématiquement la carte de caractéristiques.
Objectif : Cette approche préserve la connectivité au niveau des pixels et modélise mieux les caractéristiques topologiques courbes, ramifiées et fines des vaisseaux rétiniens, assurant une représentation structurelle continue.

2. Mécanisme d'Attention Collaborative Espace-Fréquence (SFCAM)

Intégré dans les connexions de saut, ce module exploite la nature complémentaire des domaines spatial et fréquentiel.

Architecture à Trois Branches :
- Branche Locale : Extrait des caractéristiques multi-échelles (en utilisant des convolutions $1\times1$ , $3\times3$ , $5\times5$ ) pour capturer les détails grossiers et fins des vaisseaux.
- Branche Globale : Utilise le module PS-VSS pour capturer les dépendances à long terme et le contexte global.
- Branche Transformateur d'Ondelettes (WT) : Décompose les caractéristiques en composantes basse fréquence (morphologie, topologie) et haute fréquence (contours, petites branches, texture) en utilisant la Transformée en Ondelettes Discrète.
Fusion d'Attention Croisée Bidirectionnelle (BCFM) : Ce sous-module aligne les écarts sémantiques entre les caractéristiques spatiales et fréquentielles. Il emploie une stratégie d'échange de requêtes pour construire une attention croisée bidirectionnelle, permettant au modèle de sélectionner et fusionner dynamiquement des caractéristiques des branches locales/hautes fréquences et globales/basses fréquences.
Objectif : Améliorer adaptativement les caractéristiques des vaisseaux proéminents tout en supprimant l'encombrement, récupérant efficacement les petits vaisseaux et les contours des bords.

Contributions Clés

L'article expose quatre contributions principales :

Modèle Polygon-mamba : Un cadre de segmentation novateur spécifiquement conçu pour la détection précise des petits vaisseaux rétiniens, augmentant substantiellement la précision de segmentation.
Module PS-VSS : Une technologie de balayage innovante utilisant des chemins polygonaux pour extraire efficacement l'information sémantique et capturer les caractéristiques globales, répondant aux problèmes de continuité des balayages Mamba traditionnels.
Module SFCAM : Un mécanisme qui extrait des caractéristiques efficaces des domaines spatial et fréquentiel, permettant au modèle de mettre en évidence les objets cibles et de supprimer le bruit.
Schéma UNet Intégré : L'intégration réussie de PS-VSS et SFCAM dans une architecture UNet pour générer un schéma de segmentation efficace qui équilibre la modélisation globale avec la préservation des détails locaux.

Résultats Expérimentaux

Le modèle a été évalué sur trois jeux de données publics : DRIVE, STARE et CHASE DB1.

Performance Quantitative

La méthode proposée a surpassé les modèles de l'état de l'art (incluant Mamba-UNet, FSE-Mamba, Rolling-UNet et KM-UNet) sur des métriques clés :

DRIVE : Score F1 : 0,8288, AUC : 0,9808, Sensibilité (SE) : 0,8356.
STARE : Score F1 : 0,8282, AUC : 0,9840, SE : 0,8314.
CHASE DB1 : Score F1 : 0,8251, AUC : 0,9866, SE : 0,8484.

Il est à noter que le modèle a atteint les valeurs SE les plus élevées sur tous les jeux de données, indiquant une capacité supérieure à détecter les échantillons positifs (vaisseaux), en particulier les petits et les faibles. Bien que la Spécificité (SP) ait été légèrement inférieure à celle de certains concurrents dans certains cas, les auteurs attribuent cela à la sensibilité accrue du modèle aux vaisseaux fins, ce qui peut augmenter les mauvaises classifications de l'arrière-plan mais améliore considérablement le rappel.

Études d'Ablation et Comparatives

Efficacité des Modules : Les études d'ablation ont confirmé que l'ajout séquentiel de PS-VSS et SFCAM a amélioré l'IOU, le F1 et la SE sur tous les jeux de données. Par exemple, sur CHASE DB1, SFCAM a augmenté la SE de 9,45 % par rapport à la ligne de base plus PS-VSS.
Stratégie de Balayage : Des expériences comparant différentes formes polygonales (Triangle, Quadrilatère, Pentagone, Hexagone, Octogone) ont révélé que la méthode de balayage Pentagone a produit les meilleures performances globales sur DRIVE et CHASE DB1, tandis que l'Hexagone a bien performé sur STARE. La stratégie Pentagone a été sélectionnée comme choix optimal pour le modèle final.
Complexité : Le modèle possède 68,32 M de paramètres et 2,53 G de FLOPs. Bien que supérieur à certains modèles légers, il est significativement plus efficace que les méthodes à haute complexité comme MCDAU-Net et MDF-Net, atteignant un compromis favorable entre performance et coût computationnel.

Importance et Revendications

Les auteurs affirment que Polygon-mamba représente une avancée significative dans la segmentation des vaisseaux rétiniens en s'attaquant directement aux discontinuités topologiques inhérentes aux architectures Mamba standard.

Intégrité Topologique : En utilisant le balayage polygonal, le modèle préserve avec succès la continuité des structures vasculaires complexes, un point de défaillance courant dans les approches Mamba précédentes.
Extraction de Caractéristiques Double-Domaine : L'intégration de l'attention espace-fréquence permet au modèle de capturer à la fois le contexte structurel global et les détails locaux fins (bords, petites branches) qui sont souvent perdus dans les modèles purement spatiaux.
Détection des Petits Vaisseaux : L'importance principale réside dans la capacité du modèle à détecter les petits vaisseaux à faible contraste avec une haute sensibilité, surpassant les méthodes existantes en inspection visuelle et en métriques quantitatives.

L'article conclut que bien que le modèle atteigne des performances supérieures, les travaux futurs se concentreront sur l'amélioration de la Spécificité (suppression du bruit) et l'exploration de méthodes traditionnelles de reconnaissance de motifs pour affiner davantage la gestion du bruit sans compromettre la détection des petits vaisseaux.