⚡ electrical engineering

DiffSegLung: Diffusion Radiomic Distillation for Unsupervised Lung Pathology Segmentation

DiffSegLung est un cadre non supervisé pour la segmentation des pathologies pulmonaires qui exploite la distillation radiomique par diffusion, en utilisant des descripteurs radiomiques conçus à la main comme enseignant ancré dans la physique pour guider un U-Net 3D par diffusion, permettant ainsi d'obtenir des performances supérieures sur plusieurs classes de pathologies sans nécessiter de données d'entraînement annotées.

Auteurs originaux : Rezkellah Noureddine Khiati, Pierre-Yves Brillet, Catalin Fetita

Publié 2026-05-13

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Rezkellah Noureddine Khiati, Pierre-Yves Brillet, Catalin Fetita

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 essayez d'enseigner à un robot à repérer différents types de lésions à l'intérieur d'un poumon humain en utilisant uniquement des images radiographiques (scanners CT). Le hic ? Vous n'avez aucun enseignant pour montrer au robot à quoi ressemblent ces lésions. Vous ne disposez d'aucune « clé de correction » ni d'exemples étiquetés. C'est le problème « non supervisé » que l'article aborde.

Voici comment les auteurs, Rezkellah Noureddine KHIATI et ses collègues, ont résolu ce problème avec leur nouveau système, DiffSegLung.

Le Problème : Le robot est aveugle à la physique

Habituellement, lorsque les ordinateurs analysent des scanners médicaux, ils traitent l'image comme une photo ordinaire. Ils regardent les couleurs et les formes. Mais dans un scanner CT, la « couleur » (en réalité un nombre appelé unité Hounsfield, ou HU) vous indique exactement la densité du tissu.

Poumon sain : Très aéré (faible densité).
Emphysème : Encore plus aéré (très faible densité).
Fibrose (cicatrisation) : Dense et lourd (forte densité).

Les modèles d'IA précédents étaient comme un étudiant qui ne regardait que l'image mais ignorait les chiffres. Ils traitaient l'image comme une simple photo 8 bits, jetant ainsi l'information cruciale sur la densité qui indique réellement au médecin ce qui ne va pas.

La Solution : Un « Enseignant de Physique » et un « Élève »

Les auteurs ont créé un système avec deux personnages principaux : un Élève et un Enseignant.

L'Élève (l'IA) : Il s'agit d'un modèle de « diffusion » 3D. Imaginez-le comme un artiste très doué pour recréer des images à partir de rien. Alors qu'il apprend à redessiner les scanners pulmonaires, il construit une carte mentale (un « goulot d'étranglement ») de l'apparence du poumon.
L'Enseignant (le Guide Physique) : Puisqu'ils n'ont pas d'étiquettes humaines, ils ne peuvent pas utiliser un enseignant humain. À la place, ils utilisent un ensemble de règles mathématiques conçues à la main (appelées « descripteurs radiomiques »).
- Analogie : Imaginez que l'Enseignant est un bibliothécaire strict qui ne sait pas ce qu'est un « livre », mais qui sait exactement comment mesurer l'épaisseur du papier, la texture de la couverture et le poids du livre.
- L'Enseignant mesure ces propriétés physiques du tissu pulmonaire. Il ne se soucie pas de l'« image » ; il se soucie de la physique.

L'Entraînement : « Distillation » (Incorporer le savoir)

Le système utilise un processus appelé Distillation Radiomique.

L'Élève tente de recréer l'image du poumon.
Dans le même temps, l'Enseignant mesure les propriétés physiques du patch de poumon que l'Élève observe.
Le système force la carte interne de l'Élève à correspondre aux mesures de l'Enseignant. Si l'Élève pense que deux patches sont similaires, mais que l'Enseignant indique que leurs textures physiques sont totalement différentes, l'Élève est « corrigé ».
La Magie : Cela se produit sans que le système n'ait jamais vu un seul exemple étiqueté d'« emphysème » ou de « fibrose ». Il apprend simplement à organiser les données pulmonaires en fonction de la réalité physique.

L'Inférence : Trier le désordre

Une fois l'Élève entraîné, l'Enseignant est jeté (comme des roues stabilisatrices). Maintenant, le système doit effectuer la segmentation réelle (dessiner les limites des maladies).

Le Trieur GMM : Le système examine tous les différents patches du poumon qu'il a appris. Il utilise une méthode statistique (Modèle de Mélange Gaussien) pour les regrouper en clusters, comme trier un tas de chaussettes mélangées en piles de « blanches », « noires » et « rayées ».
L'Étiqueteur HU : C'est ici que le système devient intelligent. Il examine la « densité » moyenne (HU) de chaque pile.
- « Cette pile est très légère ? Cela doit être un Emphysème. »
- « Cette pile est lourde ? Cela doit être une Fibrose. »
- Il attribue les noms de maladies en fonction de règles physiques connues, et non par devinettes.
Le Polisseur de Bords : Le tri initial peut sembler un peu bloc ou irrégulier. Le système utilise une étape finale appelée Fusion Sobel-Diffusion pour lisser les bords, rendant les limites nettes et naturelles, comme un croquis de haute qualité.

Les Résultats : Meilleur que les autres

L'équipe a testé cela sur 190 tranches pulmonaires annotées par des experts (qu'ils ont gardées cachées jusqu'à la toute fin pour tester l'IA).

Le Score : Leur méthode (DiffSegLung) a surpassé toutes les autres méthodes non supervisées. Elle était bien meilleure pour détecter les quatre types de maladies pulmonaires (Emphysème, Fibrose, Consolidation et Lésions cavitaires) que les modèles d'IA précédents qui n'utilisaient pas cet « Enseignant de Physique ».
Le Bonus : Parce que le système a appris à respecter la densité physique du tissu, il est également devenu meilleur pour générer (créer) des images pulmonaires réalistes. Il n'a pas seulement appris à trouver des maladies ; il a appris à mieux comprendre le poumon dans son ensemble.

La Seule Faiblesse

L'article admet que l'Emphysème reste le plus difficile à repérer.

Pourquoi ? Parce que l'emphysème et le tissu pulmonaire sain sont tous deux très aérés. Ils se situent dans une « plage de densité » très similaire. C'est comme essayer de faire la différence entre deux nuances de peinture blanche presque identiques. Même avec l'Enseignant de Physique, l'IA a parfois du mal à tracer parfaitement la ligne entre l'air sain et l'air malade.

Résumé

DiffSegLung est une façon d'enseigner à une IA de détecter des maladies pulmonaires sans lui montrer d'exemples. Elle y parvient en forçant l'IA à apprendre la physique du poumon (densité et texture) en utilisant un « Enseignant » mathématique, puis en utilisant ces règles physiques pour trier le poumon en zones saines et malades. C'est comme enseigner à un enfant à trier des roches non pas en lui montrant une image d'une roche de « granit », mais en lui apprenant à sentir le poids et la texture de la roche jusqu'à ce qu'il puisse les trier uniquement au toucher.

Résumé Technique : DiffSegLung

Énoncé du Problème
La segmentation non supervisée des pathologies pulmonaires (emphysème, fibrose, consolidation et lésions cavitaires) dans les scanners CT demeure un défi majeur. Cette difficulté découle de la rareté des cohortes multi-pathologies annotées et du déséquilibre de classes sévère inhérent aux données médicales, ce qui rend les approches supervisées et semi-supervisées peu pratiques. De plus, les méthodes de segmentation basées sur la diffusion existantes ne parviennent pas à exploiter le signal quantitatif des Unités Hounsfield (UH), qui distingue physiquement les classes de tissus. Les modèles de diffusion CT antérieurs s'entraînent généralement sur des images normalisées 8 bits, jetant ainsi des informations quantitatives critiques, et n'intègrent pas de descripteurs radiomiques manuellement conçus pour guider l'apprentissage de représentations.

Méthodologie : DiffSegLung
Les auteurs proposent DiffSegLung, un cadre pour la segmentation non supervisée des pathologies pulmonaires qui introduit la Distillation Radiomique par Diffusion. Le cadre opère en deux étapes :

Phase d'Entraînement (Distillation Radiomique par Diffusion) :
- Architecture : Un Modèle Probabiliste de Diffusion Débruitant (DDPM) en espace pixel 3D avec un squelette U-Net est entraîné sur des patches 3D natifs préservant les UH.
- Distillation Enseignant-Étudiant : Au lieu d'un réseau de neurones enseignant, le système utilise un ensemble de descripteurs radiomiques manuellement conçus et non différentiables en tant qu'« enseignant ancré dans la physique ». Pour chaque patch, un vecteur radiomique de 34 dimensions est extrait, comprenant des statistiques de GLCM, des histogrammes LBP, des réponses de filtres de Gabor et des statistiques UH du premier ordre.
- Objectif Contrastif : Une tête de projection radiomique ( $\phi_r$ ) mappe le vecteur radiomique de l'enseignant vers un espace d'incorporation partagé, tandis qu'une tête de projection étudiante ( $\phi_s$ ) mappe les caractéristiques du goulot d'étranglement du U-Net vers le même espace. Une perte contrastive InfoNCE aligne ces projections : les paires de patches avec une forte similarité cosinus radiomique sont rapprochées, tandis que les paires dissimilaires sont éloignées.
- Planification de Réchauffement : Pour empêcher la représentation du goulot d'étranglement de s'effondrer avant que des caractéristiques de texture significatives ne soient établies, la perte de distillation est introduite progressivement via une planification de réchauffement.
- Préservation des Données : Le modèle est entraîné sur des valeurs UH natives plutôt que sur des images normalisées 8 bits afin de préserver l'information de densité physique.
Phase d'Inférence :
- Extraction de Caractéristiques : L'encodeur entraîné ( $\epsilon_\theta$ ) est exécuté en utilisant un DPM-Solver sur 250 étapes. Les caractéristiques du goulot d'étranglement sont enregistrées à plusieurs pas de temps ( $T = \{50, 100, 150, 200\}$ ).
- Clustering : Les caractéristiques multi-pas de temps sont agrégées et passées à travers la tête de projection étudiante. Ces incorporations sont regroupées à l'aide d'un Modèle de Mélange Gaussien (GMM) avec 5 composantes.
- Attribution d'Étiquettes : Les étiquettes de cluster sont attribuées en fonction de la valeur UH moyenne de chaque cluster comparée à des seuils cliniquement établis. C'est le seul point où des connaissances du domaine sont appliquées ; aucune donnée étiquetée n'est utilisée.
- Raffinement des Frontières : Un module de Fusion Sobel-Diffusion affine les frontières de segmentation en combinant la détection de contours basée sur le gradient (Sobel) avec la surface de décision du cluster, suivie d'une vérification de compatibilité UH consciente de la physique pour supprimer les prédictions tombant en dehors des plages UH attendues pour la classe attribuée.

Contributions Clés
L'article expose trois contributions principales :

Distillation Enseignant-Étudiant Radiomique : Le premier schéma utilisant des descripteurs radiomiques manuellement conçus comme enseignant pour l'apprentissage de représentations par diffusion, ne nécessitant aucune annotation manuelle.
Entraînement Préservant les UH : Une stratégie d'entraînement de DDPM 3D qui conserve l'information quantitative UH, produisant des représentations de goulot d'étranglement physiquement significatives.
Performance Améliorée : Des améliorations démontrées tant dans la cohérence de la segmentation non supervisée que dans la fidélité de génération par rapport aux bases de référence antérieures.

Résultats Expérimentaux
Le cadre a été évalué sur 190 tranches axiales annotées par des experts, issues de quatre cohortes CT hétérogènes (BPCO, ILD, ILD-2 et Tuberculose).

Performance de Segmentation : DiffSegLung a surpassé toutes les bases de référence non supervisées (K-Means sur les radiomiques, caractéristiques de diffusion uniquement, et DAAM) pour les quatre classes de pathologies.
- DSC Global : Atteint 89,3 % (moyenne sur quatre classes), contre 81,6 % pour la meilleure base de référence suivante (DAAM).
- Performance Spécifique aux Classes : Le modèle a obtenu des scores DSC de 84,1 % (Sain), 86,4 % (GGO), 76,2 % (Fibrose) et 8,6 % (Emphysème). Les auteurs notent que l'emphysème reste la classe la plus difficile en raison de son chevauchement UH avec le parenchyme sain ($-950 $à$ -700$ UH), ce qui limite la séparabilité même avec la distillation radiomique.
- Précision des Frontières : La méthode a atteint un HD95 moyen de 8,6, significativement plus bas (meilleur) que les bases de référence, attribué au raffinement par Fusion Sobel-Diffusion.
Qualité de Génération : DiffSegLung a amélioré la fidélité de génération par rapport aux modèles de diffusion CT antérieurs (LungDDPM+ et MedVAE).
- FID : Réduit de 31,7 (LungDDPM+) à 18,4.
- SSIM/PSNR : Améliorés à 0,891 et 31,8, respectivement.
- Étude d'Ablation : A confirmé que la préservation des UH a fourni le gain unique le plus important (+3,5 points DSC). La planification de réchauffement était cruciale pour empêcher l'effondrement du goulot d'étranglement, et l'agrégation multi-pas de temps a amélioré la localisation des frontières.

Signification et Revendications
Les auteurs affirment que DiffSegLung démontre que la distillation radiomique peut bénéficier simultanément aux objectifs discriminatifs (segmentation) et génératifs. En utilisant des descripteurs physiques manuellement conçus comme enseignant, le cadre impose une structure physiquement cohérente à l'espace latent d'un modèle génératif sans nécessiter de données annotées. Le travail souligne que la préservation de l'information quantitative UH est le composant le plus important pour distinguer les classes de tissus, en particulier pour les pathologies comme l'emphysème où la densité est le principal facteur de différenciation. L'article conclut que si la méthode fait progresser significativement la segmentation non supervisée, le chevauchement UH inhérent entre l'emphysème et le tissu sain reste une limitation, suggérant que les travaux futurs devraient se concentrer sur un clustering plus fin et conscient des UH.