🤖 AI

Anatomy-Slot: Unsupervised Anatomical Factorization for Homologous Bilateral Reasoning in Retinal Diagnosis

Le papier propose Anatomy-Slot, une méthode non supervisée qui décompose les jetons d'images rétiniennes en slots anatomiques et les aligne entre les yeux homologues via une attention croisée bidirectionnelle, améliorant significativement la précision et la robustesse du diagnostic bilatéral par rapport aux bases monoculars.

Auteurs originaux : Yingzhe Ma, Xiao Yang, Yuguo Yin, Zheyu Wang

Publié 2026-05-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yingzhe Ma, Xiao Yang, Yuguo Yin, Zheyu Wang

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 vos yeux comme une équipe de deux détectives travaillant sur le même dossier. Dans un véritable cabinet médical, lors du dépistage de maladies oculaires, le médecin ne regarde pas simplement l'œil gauche puis l'œil droit séparément. Il les compare côte à côte, à la recherche de différences subtiles. Par exemple, si le « disque optique » (l'endroit où le nerf pénètre dans l'œil) semble légèrement plus gros ou plus enflé dans un œil par rapport à l'autre, c'est un indice majeur indiquant qu'il y a un problème.

Cependant, la plupart des programmes informatiques actuels (IA) agissant comme des médecins sont comme des détectives qui ne regardent qu'un œil à la fois. Ils analysent l'œil gauche, font une hypothèse, puis analysent l'œil droit, font une autre hypothèse, et ne « discutent » jamais vraiment entre eux pour comparer leurs notes.

Ce papier présente un nouveau système d'IA appelé Anatomy-Slot qui change la donne en forçant l'ordinateur à comparer explicitement les deux yeux, tout comme le ferait un médecin humain.

L'idée centrale : l'analogie du « classeur »

Imaginez une image oculaire comme une immense pièce en désordre remplie de meubles (vaisseaux sanguins, disque optique, macula, etc.).

L'ancienne méthode (modèles monoculaires) : L'ancienne IA regarde la pièce en désordre et tente de deviner ce qui ne va pas en considérant la pièce entière comme un grand flou. Elle pourrait manquer le fait qu'une chaise spécifique est légèrement penchée car elle est trop focalisée sur le désordre général.
La nouvelle méthode (Anatomy-Slot) : Ce nouveau système agit comme un classeur intelligent. Au lieu de regarder la pièce entière, il trie automatiquement l'image dans des « compartiments » ou dossiers spécifiques :
- Compartiment 1 : Le disque optique (le point d'entrée du nerf).
- Compartiment 2 : La macula (le centre de la vision).
- Compartiment 3 : Les vaisseaux sanguins.
- Compartiment 4 : Le fond d'écran.

Le système le fait sans qu'on lui indique ce que sont ces éléments (non supervisé). Il apprend simplement à regrouper les parties qui se ressemblent.

La « poignée de main » entre les yeux

Voici la partie magique. Une fois que l'IA a trié la pièce de l'œil gauche dans ces dossiers spécifiques, elle ne s'arrête pas là. Elle tend la main à travers la table vers les dossiers de l'œil droit et effectue une poignée de main numérique.

Elle demande : « Hé, Compartiment 1 (disque optique) de l'œil gauche, à quoi ressemble le Compartiment 1 (disque optique) de l'œil droit ? »
Elle les compare directement. Si le Compartiment 1 gauche ressemble différemment au Compartiment 1 droit, le système le signale comme un problème potentiel.

Le papier appelle cela une « attention croisée bidirectionnelle ». En langage courant, c'est l'IA qui vérifie constamment ses notes contre celles de son partenaire pour trouver des incohérences.

Comment ils l'ont testé (la « corde à sauter »)

Pour prouver que ce système repose réellement sur la comparaison des yeux (et ne fait pas que deviner), les chercheurs ont réalisé un test astucieux :

Le test de mélange : Ils ont pris une image de l'œil gauche et l'ont appariée avec une image de l'œil droit aléatoire provenant d'un patient différent. C'est comme mettre les notes d'un détective du dossier A à côté du dossier B.
Le résultat : Lorsque l'IA a été forcée de comparer des yeux non appariés, ses performances ont chuté de manière significative. Cela a prouvé que le système s'appuyait bien sur la comparaison spécifique entre la bonne paire d'yeux pour poser son diagnostic. S'il se contentait de regarder un seul œil, ce mélange ne l'aurait pas autant affecté.

Ils l'ont également testé avec du « bruit » (comme de la neige sur un écran de télévision). Le nouveau système a mieux résisté que les anciens, démontrant sa robustesse.

Les résultats

Les chercheurs ont testé cela sur un ensemble de données de 5 000 images oculaires (ODIR-5K).

L'ancienne norme : Un modèle d'IA de premier plan a obtenu un score de 82,3 % (AUC).
Le nouveau Anatomy-Slot : Ce système a obtenu un score de 86,5 %.

Cela peut sembler être un petit chiffre, mais dans l'IA médicale, un bond de 4,2 % est une victoire massive. Cela signifie que le système détecte plus de maladies et fait moins d'erreurs.

Pourquoi cela compte (selon le papier)

Le papier affirme qu'en forçant l'IA à décomposer l'image en parties anatomiques spécifiques (compartiments) puis à comparer ces parties entre les deux yeux, l'ordinateur devient plus semblable à un spécialiste humain.

C'est interprétable : Nous pouvons réellement voir quel « compartiment » l'IA examine. Dans les images du papier, ils montrent que le « Compartiment 1 » s'illumine constamment au-dessus du disque optique, et le « Compartiment 2 » au-dessus de la macula.
C'est non supervisé : L'IA a découvert où se trouvaient le disque optique et la macula sans que des humains ne dessinent d'abord des cadres autour d'eux. Elle a appris l'anatomie par elle-même.

Résumé

Anatomy-Slot est une nouvelle façon d'enseigner aux ordinateurs à diagnostiquer les maladies oculaires. Au lieu de traiter les deux yeux comme des étrangers séparés, il leur apprend à être des partenaires. Il décompose l'image en parties spécifiques du corps (compartiments), compare ces parties entre l'œil gauche et l'œil droit, et utilise ces comparaisons pour poser un diagnostic plus précis. Les tests montrent que lorsque vous stoppez la comparaison, l'IA se perd, prouvant que ce « raisonnement bilatéral » est exactement ce qui la fait mieux fonctionner.

Résumé Technique : Anatomy-Slot pour le Diagnostic Rétinien Bilatéral

Énoncé du Problème
Le diagnostic rétinien est intrinsèquement une tâche clinique bilatérale, où les cliniciens comparent des structures homologues (par exemple, l'asymétrie du disque optique) entre les yeux gauche et droit pour détecter une maladie. Cependant, la plupart des modèles d'apprentissage profond existants opèrent sur des représentations monoculaires, traitant chaque œil indépendamment. Les auteurs émettent l'hypothèse que la classification monoculaire basée sur la texture est insuffisante pour la détection bilatérale de maladies et qu'une comparaison structurelle explicite est nécessaire pour des performances alignées sur la pratique clinique. Bien que la modélisation bilatérale et la décomposition en slots centrés sur les objets existent indépendamment dans la littérature, leur intégration en tant qu'unités de correspondance explicites pour le raisonnement anatomique homologue n'a pas été testée empiriquement dans des conditions statistiquement contrôlées.

Méthodologie : Anatomy-Slot
Le cadre proposé Anatomy-Slot opérationnalise l'hypothèse d'une correspondance inter-oculaire explicite via un goulot d'étranglement anatomique non supervisé. Le pipeline se compose des éléments suivants :

Backbone et Tokenisation : Étant donné une paire d'images fundus bilatérales $(x_L, x_R)$ , le modèle utilise un backbone partagé RETFound ViT-L pour extraire des tokens de patch.
Factorisation Anatomique Non Supervisée (Slot Attention) : Pour chaque œil, les tokens de patch sont décomposés en $K$ slots centrés sur les objets en utilisant Slot Attention (avec $I=3$ itérations). Ce processus initialise les slots comme paramètres apprenables et les met à jour via un mécanisme d'attention compétitif (softmax sur les slots, renormalisé sur les tokens) et un GRU, produisant un ensemble de représentations de slots $S \in \mathbb{R}^{K \times D}$ par œil.
Correspondance Bidirectionnelle Inter-Oculaire : Pour aligner les structures homologues, le modèle emploie une attention croisée bidirectionnelle. Les slots de l'œil gauche interrogent les slots de l'œil droit (et vice versa) en utilisant une attention croisée multi-têtes ( $H=8$ ). Cela permet au modèle d'aligner explicitement les slots entre les yeux, créant une représentation consciente de la correspondance.
Apprentissage à Double Objectif : Le modèle est entraîné avec un objectif combiné :
- Perte de Classification ( $L_{cls}$ ) : Perte supervisée standard pour le diagnostic de maladies.
- Perte de Reconstruction ( $L_{recon}$ ) : Une tâche auxiliaire non supervisée où chaque slot prédit les valeurs RGB par patch et les logits de masque. Un décodeur léger reconstruit une image RGB basse résolution. Cette perte stabilise l'apprentissage des slots et empêche l'effondrement des slots.
- Objectif Total : $L = L_{cls} + 0.5 L_{recon}$ .
Protocole d'Entraînement : Le module de slots subit un pré-entraînement non supervisé sur un pool d'environ 20 000 images rétiniennes non étiquetées. Lors du fine-tuning supervisé sur l'ensemble de données cible, seuls le dernier bloc ViT et les paramètres de normalisation de couche sont dégelés, tandis que les itérations de slots sont réduites à 3.

Contributions Clés

Architecture : Une architecture novatrice basée sur des slots bilatéraux où les slots servent d'unités de correspondance, et l'attention croisée facilite un échange d'information inter-oculaire explicite.
Rigueur Statistique : Un protocole d'évaluation robuste impliquant $n=10$ graines indépendantes, des intervalles de confiance à 95 % et des tests appariés non paramétriques (test de Wilcoxon des rangs signés) pour assurer la signification statistique.
Analyse Mécanistique : Tests complets sondant la dépendance du modèle à la correspondance, incluant des expériences de perturbation de l'appariement, des tests de résistance sous bruit gaussien, et une analyse quantitative de l'ancrage du disque optique.

Résultats
Évalué sur l'ensemble de données ODIR-5K (diagnostic multi-étiquettes bilatéral), la méthode démontre des améliorations significatives par rapport aux bases de référence appariées :

Performance : Anatomy-Slot atteint un AUC macro de 0,865, soit une amélioration de 4,2 % par rapport à la base de référence ViT-L appariée (0,823). L'amélioration est statistiquement significative ( $W=0, p=0,002$ ).
Études d'Ablation :
- Le traitement bilatéral sans slots ne produit qu'un gain modeste (AUC 0,828).
- La décomposition en slots sans interaction inter-oculaire sous-performe (AUC 0,754).
- La suppression de la perte de reconstruction provoque un effondrement des slots, dégradant la performance à un AUC de 0,729.
- La performance du modèle complet atteint son pic à $K=8$ slots ; moins de slots sous-représentent l'anatomie, tandis que plus de slots diluent la correspondance.
Dépendance à la Correspondance : Lorsque l'appariement gauche-droit est perturbé (mélangé pendant l'évaluation), la performance d'Anatomy-Slot chute de 18,3 points (de 0,865 à 0,682), alors que la base de référence ne chute que de 3,2 points. Cela soutient l'hypothèse que le modèle repose sur l'appariement structurel homologue.
Robustesse : Sous bruit gaussien ( $\sigma=0,2$ ), Anatomy-Slot maintient un AUC de 0,685, surpassant à la fois la base de référence (0,578) et la variante « Sans Slots » (0,595).
Ancrage : Sur l'ensemble de données REFUGE (transfert zero-shot), le modèle atteint un Intersection over Union moyen (mIoU) de 0,635 pour la localisation du disque optique en utilisant le Slot 1, surpassant significativement une base de référence de clustering de caractéristiques K-Means (0,452).
Séparabilité : Le Ratio de Fisher dans l'espace de représentation avant-dernier augmente de 0,85 (base de référence) à 1,62 (Anatomy-Slot), indiquant une meilleure séparabilité des classes.

Signification et Revendications
L'article revendique que la modélisation explicite de la correspondance inter-oculaire via une factorisation anatomique non supervisée améliore significativement les performances diagnostiques dans la détection des maladies rétiniennes. Les résultats suggèrent que le gain de performance provient spécifiquement de la combinaison de slots structurés centrés sur les objets et de l'alignement inter-oculaire, plutôt que du traitement bilatéral ou de la décomposition en slots seuls.

Les auteurs positionnent ce travail comme une étape vers une « IA rétinienne alignée cliniquement », démontrant que les modèles peuvent apprendre à se fier à un appariement anatomique homologue de manière non supervisée. Les analyses mécanistiques (perturbation de l'appariement, localisation de l'attention) fournissent des preuves que le comportement du modèle est cohérent avec le processus de raisonnement clinique consistant à comparer des structures homologues. Les auteurs reconnaissent les limites, notamment l'évaluation principalement sur un seul ensemble de données et la nécessité de tests supplémentaires sur les désalignements cliniques, mais concluent que l'approche offre une voie vers des systèmes d'aide au diagnostic interprétables.