C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation

Résumé Technique : C2RM-Seg

Énoncé du Problème
La segmentation sémantique faiblement supervisée (WSSS) est une approche critique pour l'analyse des tissus histopathologiques, offrant une alternative évolutive aux annotations denses au niveau du pixel, coûteuses et dépendantes de l'expertise, requises par les méthodes entièrement supervisées. Cependant, les méthodes WSSS existantes reposent généralement sur la cartographie d'activation de classe (CAM) pour générer des pseudo-étiquettes grossières. L'article identifie une faille fondamentale dans les approches actuelles basées sur la CAM : elles ont tendance à se concentrer sur des indices d'apparence pilotés par la coloration (ex. : variations de couleurs, artefacts de scanner) plutôt que sur la véritable morphologie tissulaire causale. Cela conduit à une « localisation fallacieuse », où les pseudo-masques sont systématiquement biaisés par un contexte de confusion, entraînant une faible cohérence structurelle et une fidélité des contours médiocre. De plus, les raffinements architecturaux standards ou le repondération de perte échouent souvent à résoudre ces désalignements causaux sous-jacents lorsque les pseudo-étiquettes elles-mêmes sont générées à partir de caractéristiques biaisées.

Méthodologie
Les auteurs proposent C2RM-Seg, un cadre en deux étapes conçu pour traiter le désalignement causal et l'incohérence structurelle via trois composantes clés :

1. Module de Raisonnement Contrefactuel Causal (C2RM) :

   • Objectif : Générer des pseudo-étiquettes de haute fidélité en éliminant les effets de confusion des représentations de caractéristiques.
   • Mécanisme : Le module opère sous un modèle causal structurel (SCM). Il décompose les caractéristiques de l'encodeur en facteurs latents ($Z$) représentant à la fois la morphologie ($M$) et les variables de style/d'acquisition de confusion ($S$).
   • Intervention Contrefactuelle : Une matrice de structure causale apprenable ($A$) modélise les dépendances entre ces facteurs. Le module estime la contribution de confusion ($E$) des facteurs de style sur la représentation latente et effectue une intervention contrefactuelle ($Z^{cf} = Z - E$) pour soustraire ces effets.
   • Résultat : Ce processus supprime les composantes explicables par des facteurs de style ou de fond co-variant (ex. : textures de coloration) tout en préservant les signaux dominants de la morphologie, résultant en des CAM plus nettes pour la génération de pseudo-masques.

2. Architecture Structurelle-Sémantique à Double Voie :

   • Objectif : Combler l'écart entre la fidélité morphologique locale et la sémantique pathologique globale lors de la phase d'entraînement de la segmentation.
   • Branche Structurelle : Utilise un squelette (backbone) ResNeSt-200e pour extraire des caractéristiques spatiales multi-échelles à haute résolution représentant les textures tissulaires locales.
   • Branche Sémantique : Exploite un modèle de fondation DINOV3 (Vision Transformer) gelé pour fournir des priors sémantiques globaux robustes. Les paramètres du squelette sont gelés pour éviter le surapprentissage sur les pseudo-étiquettes bruitées, tandis qu'un adaptateur apprenable projette les plongements (embeddings) dans le manifold structurel.
   • Gatage Cross-Path : Un mécanisme de porte (gating) régule de manière adaptative l'injection des caractéristiques sémantiques globales dans la branche structurelle. Il utilise des indices structurels locaux pour pondérer la contribution sémantique, garantissant que la sémantique globale se concentre sur les régions présentant une haute saillance structurelle, préservant ainsi l'intégrité des contours.

3. Perte de Marge à Porte d'Incertitude (UGM) :

   • Objectif : Atténuer le bruit résiduel des pseudo-étiquettes imparfaites lors de l'optimisation.
   • Mécanisme : La perte équilibre dynamiquement deux objectifs basés sur l'incertitude de prédiction ($u_i$) : l'imposition de la marge (pour les prédictions confiantes) et la maximisation de la confiance (pour les régions incertaines).
   • Fonction : Pour les pixels à faible incertitude, le modèle donne la priorité à l'expansion de la marge de la frontière de décision. Pour les pixels à haute incertitude (potentiellement mal étiquetés), il revient à une pénalité conservatrice basée sur la confiance pour éviter de trop pénaliser les échantillons ambigus.

Contributions Clés

• Identification du Biais Causal : L'article identifie que les méthodes basées sur la CAM sont biaisées vers l'apparence pilotée par la coloration plutôt que vers la morphologie tissulaire causale.
• Module C2RM : La proposition d'un module causal contrefactuel qui élimine explicitement le contexte de confusion pour produire des pseudo-étiquettes de haute fidélité.
• Cadre Dual-Path : Une architecture de segmentation novatrice qui intègre ResNeSt avec des priors DINOV3 gelés via un gatage cross-path, assurant une sémantique globale préservant les contours.
• Perte UGM : Une fonction de perte sensible à l'incertitude qui permet une optimisation tolérante au bruit.
• Performance de l'État de l'Art : Le cadre atteint des résultats supérieurs sur les benchmarks publics par rapport aux méthodes WSSS existantes et même aux modèles de fondation sollicités avec les pseudo-étiquettes générées.

Résultats Expérimentaux
Des expériences approfondies ont été menées sur deux jeux de données histopathologiques publics : BCSS (cancer du sein) et LUAD-HistoSeg (adénocarcinome pulmonaire).

• Performance : C2RM-Seg a atteint des performances de l'état de l'art sur les deux ensembles de données. Sur BCSS-WSSS, il a atteint 72,17 % de mIoU et 27,31 HD95, surpassant le principal concurrent ESFAN. Sur LUAD-HistoSeg, il a atteint 79,62 % de mIoU et 18,07 HD95.
• Qualité des Contours : La méthode a démontré une amélioration significative de la fidélité des contours (bIoU) et une réduction des faux positifs dans les régions morphologiquement ambiguës par rapport aux lignes de base.
• Efficacité : Malgré l'intégration du raisonnement causal et des priors de modèles de fondation, le modèle maintient une efficacité de calcul compétitive (191,47 GFLOPs, 86,08 FPS).
• Études d'Ablation : Les résultats ont confirmé que chaque composante (C2RM, Dual-Path, UGM) améliore indépendamment la ligne de base, le modèle complet produisant les meilleurs résultats. Les visualisations t-SNE ont démontré que C2RM parvient à désenchevêler les représentations biaisées par la coloration en clusters compacts et sémantiquement séparables.

Signification et Revendications
L'article affirme que C2RM-Seg traite fondamentalement le problème persistant de la confusion histologique dans l'apprentissage faiblement supervisé. En formulant la génération de CAM au sein d'un modèle causal structurel rigoureux et en exécutant des interventions contrefactuelles, l'approche synthétise des pseudo-masques qui sont fidèles à la morphologie tissulaire plutôt qu'aux artefacts de coloration. Les auteurs soutiennent que ce débiaisage causal, combiné à la fusion synergique des structures et des priors de modèles de fondation, établit un nouvel état de l'art pour la segmentation de tissus histopathologiques faiblement supervisée, offrant une solution robuste et évolutive pour le diagnostic assisté par ordinateur sans nécessiter d'annotations denses.