💻 computer science

Selective State Space Models in Medical Imaging: A Systematic Review of Mamba-Based Architectures and Clinical Applications

Cette revue systématique de 445 études récentes (2024–2026) identifie les hybrides CNN-Mamba comme l'architecture la plus efficace pour l'imagerie médicale en raison de leur complexité computationnelle linéaire, tout en soulignant des défis critiques tels que la perte d'informations spatiales et la consommation de mémoire qui doivent être adressés par des blocs 3D natifs pour permettre l'intégration clinique.

Auteurs originaux : Ali Emre Gök, Mustafa Yurdakul, Şakir Taşdemir

Publié 2026-06-25

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ali Emre Gök, Mustafa Yurdakul, Şakir Taşdemir

Article original sous licence CC BY 4.0 (https://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

La vue d'ensemble : Le problème du « Trop grand pour tenir »

Imaginez que vous essayiez de lire une encyclopédie 3D massive du corps humain (comme un scanner IRM complet) pour trouver une minuscule tumeur.

Pendant longtemps, les médecins ont utilisé les CNN (Réseaux de neurones convolutifs). Voyez-les comme une lampe de poche. Ils sont excellents pour scanner de petites zones locales afin de voir les détails fins (comme la texture d'une cellule), mais ils ne peuvent pas voir toute la pièce à la fois. Ils passent à côté de la vue d'ensemble.

Puis sont arrivés les Transformers (ViT). Ce sont des super-yeux capables de voir toute la pièce d'un coup, comprenant comment le plafond est relié au sol. Cependant, il y a un piège : plus vous essayez de voir de détails, plus ils consomment d'énergie. Si vous essayez d'examiner un scanner 3D haute résolution avec un Transformer, c'est comme essayer de courir un marathon en portant un sac à dos très lourd. L'ordinateur manque de mémoire (le « sac à dos » devient trop lourd) et le processus s'arrête net.

Le nouveau héros : Mamba

Voici venu Mamba (et sa famille, les modèles d'espace d'état sélectifs). L'article décrit Mamba comme un bibliothécaire intelligent et efficace.

Au lieu d'essayer de mémoriser chaque livre de la bibliothèque à la fois (ce qui prend trop de place), le bibliothécaire parcourt les allées une par une. Mais voici la magie : le bibliothécaire est sélectif. Pendant qu'il marche, il décide instantanément quelles informations garder dans sa mémoire à court terme et lesquelles oublier.

Le bénéfice : Il peut traiter une immense bibliothèque (un énorme scanner médical 3D) sans avoir besoin d'un entrepôt géant (du matériel informatique coûteux). Sa vitesse reste linéaire (constante) peu importe la taille de la bibliothèque, alors que les « super-yeux » (Transformers) deviennent exponentiellement plus lents et plus lourds.

Ce que l'article a réellement fait

Les auteurs n'ont pas inventé un nouveau Mamba ; ils ont agi en tant que détectives. Ils ont rassemblé 445 études récentes (publiées entre 2024 et 2026) pour voir comment Mamba est utilisé en médecine. Ils ont classé ces études en quatre « équipes » ou stratégies principales :

L'équipe Hybride (CNN-Mamba) : C'est l'équipe la plus populaire. Ils combinent la Lampe de poche (CNN) pour les détails locaux avec le Bibliothécaire (Mamba) pour la vue d'ensemble.
- Analogie : C'est comme avoir un détective qui utilise une loupe pour les empreintes digitales, mais qui possède aussi une carte de toute la ville.
- Résultat : Cette approche est actuellement la « championne » de la littérature, fonctionnant bien pour les tumeurs cérébrales, les lésions cutanées et les examens oculaires.
L'équipe Mamba Pur : Ces chercheurs essaient d'utiliser uniquement le Bibliothécaire, sans la lampe de poche.
- Analogie : Ils essaient de lire tout le livre sans jamais s'arrêter pour regarder un seul mot de près.
- Résultat : C'est très rapide et efficace pour les données 3D massives, mais ils manquent parfois de petits détails fins car ils aplatissent l'image 3D en une ligne 1D.
L'équipe Transformer-Mamba : Ils essaient de mélanger les Super-yeux et le Bibliothécaire.
- Analogie : Ils essaient de construire un robot qui possède à la fois une super-vision et une mémoire sélective.
- Résultat : Cela fonctionne très bien pour des tâches complexes, mais le robot est souvent trop lourd et trop coûteux à faire fonctionner sur des ordinateurs d'hôpitaux standards.
L'équipe des Nouveaux Scanneurs : Puisque Mamba a été conçu pour des listes 1D (comme le texte), l'utiliser sur des images 2D ou 3D est délicat. Ces chercheurs ont inventé de nouvelles façons de « scanner » l'image.
- Analogie : Au lieu de simplement lire un livre de gauche à droite, ils ont inventé des façons de le lire en diagonale, en spirale, ou depuis les quatre coins à la fois pour s'assurer qu'aucune page n'est oubliée.

Les bonnes nouvelles

L'article affirme que Mamba est un véritable tournant car il résout le « problème du sac à dos ». Il permet aux ordinateurs de traiter des images médicales 3D haute résolution (comme des scanners cérébraux complets) beaucoup plus rapidement et avec moins de mémoire que les anciens modèles Transformer. Il devient la nouvelle norme pour gérer les données médicales massives.

Les mauvaises nouvelles (Les goulots d'étranglement)

Malgré l'enthousiasme, l'article souligne trois obstacles majeurs empêchant Mamba d'être utilisé dans chaque hôpital dès demain :

Le problème de l'« Aplatissement » : Pour faire fonctionner Mamba, nous devons souvent écraser un cube 3D d'un organe en une ligne 1D plate (comme dérouler un tapis.
- Le problème : Lorsque vous déroulez un tapis, les voisins qui étaient juste à côté les uns des autres dans le monde 3D peuvent se retrouver éloignés dans la ligne. Cela provoque une perte de la « perception spatiale » de la façon dont les tissus sont connectés.
Le problème du « Sac à dos lourd » (Mémoire) : Même si Mamba est efficace, les modèles « Hybrides » populaires (mélangeant CNN et Mamba) nécessitent toujours beaucoup de mémoire.
- Le problème : De nombreux hôpitaux disposent d'ordinateurs anciens. Ces modèles sont souvent trop lourds pour être exécutés en temps réel pendant une chirurgie ou sur des appareils d'échographie portables.
Le problème du « Taille unique » : La plupart des études ont testé ces modèles sur des ensembles de données publics et parfaits (comme une bibliothèque propre et standard).
- Le problème : Les vrais hôpitaux ont des données désordonnées (échographies bruitées, différents types de machines, scans manquants). L'article note que ces modèles n'ont pas été assez testés sur des données réelles et désordonnées provenant de différents hôpitaux pour prouver qu'ils sont assez fiables pour des décisions critiques.

La conclusion

L'article conclut que Mamba n'est pas seulement une mode passagère ; il est probablement l'épine dorsale de la prochaine génération d'IA médicale. Cependant, avant de pouvoir être pleinement approuvé en clinique, les chercheurs doivent :

Construire des versions « Natives 3D » qui n'ont pas besoin d'aplatir les images en lignes.
Rendre les modèles plus légers pour qu'ils s'adaptent à de plus petits appareils.
Tester ces modèles sur des données réelles et désordonnées provenant de nombreux hôpitaux différents.

En bref : Mamba est le bibliothécaire intelligent et efficace qui peut enfin lire toute l'encyclopédie médicale sans se fatiguer, mais nous devons encore lui apprendre à naviguer dans la bibliothèque désordonnée du monde réel sans perdre son chemin.

Résumé technique : Modèles d'Espace d'États Sélectifs en Imagerie Médicale

1. Énoncé du problème

L'analyse d'images médicales fait face à un compromis critique entre la modélisation des caractéristiques locales et la capture du contexte global. Si les réseaux de neurones convolutifs (CNN) excellent dans l'extraction de caractéristiques locales grâce à leur biais inductif et leur localité spatiale, ils peinent à capturer les dépendances à longue portée inhérentes aux grandes structures anatomiques. À l'inverse, les Vision Transformers (ViT) traitent le contexte global via des mécanismes d'auto-attention, mais souffrent d'une complexité computationnelle quadratique ( $O(N^2)$ ) par rapport au nombre de tokens. Cette mise à l'échelle quadratique crée de graves goulots d'étranglement matériels et de mémoire lors du traitement d'images 2D haute résolution et, plus critiquement, de données volumétriques 3D (ex. : IRM, scanner), entravant leur déploiement clinique.

Bien que les modèles d'Espace d'États Sélectifs (Selective SSMs), spécifiquement l'architecture Mamba, offrent une solution en traitant les données séquentielles avec une complexité computationnelle linéaire ( $O(N)$ ), leur application directe à l'imagerie médicale présente de nouveaux défis. Les architectures Mamba standards sont conçues pour des séquences 1D ; l'aplatissement des images médicales 2D ou 3D en séquences 1D rompt la continuité spatiale, la cohérence topologique et les dépendances directionnelles. De plus, l'adaptation de ces modèles aux données 2D/3D nécessite souvent des mécanismes de balayage multidirectionnels qui augmentent la consommation de mémoire, annulant potentiellement les gains d'efficacité par rapport aux Transformers.

2. Méthodologie

Cette étude est une revue systématique menée conformément aux directives PRISMA pour évaluer l'intégration des architectures basées sur Mamba dans l'intelligence artificielle médicale.

Stratégie de recherche : Une recherche exhaustive a été effectuée dans quatre bases de données (Web of Science, IEEE Xplore, Scopus, ACM Digital Library) pour les articles de revues évalués par les pairs publiés entre 2024 et 2026.
Critères de sélection : La revue s'est concentrée sur les études utilisant Mamba ou les Selective SSMs pour des tâches d'imagerie médicale/biomédicale (segmentation, classification, synthèse, etc.). Les travaux non évalués par les pairs, les applications non médicales et les études manquant de contributions méthodologiques substantielles ont été exclus.
Synthèse des données : À partir d'un pool initial de 1 259 articles, 445 études répondaient aux critères d'inclusion. Un sous-ensemble représentatif de 60 études (15 par catégorie architecturale) a été sélectionné pour une synthèse qualitative détaillée.
Évaluation critique qualitative : Au lieu d'une méta-analyse quantitative (jugée irréalisable en raison de l'hétérogénéité des tâches et des métriques), les auteurs ont employé une évaluation qualitative axée sur trois critères :
1. Transparence méthodologique et reproductibilité (code source ouvert, comparaison avec l'état de l'art/SOTA).
2. Robustesse et validation des jeux de données (public vs privé, validation croisée).
3. Faisabilité computationnelle et applicabilité clinique (charge de paramètres, goulots d'étranglement de la mémoire, généralisation).

Les 445 études incluses ont été classées en quatre typologies architecturales :

Adaptations Mamba pures : Application directe des backbones Mamba sans hybridation.
Hybrides CNN-Mamba : Combinaison des CNN pour les caractéristiques locales avec Mamba pour le contexte global.
Intégrations Transformer-Mamba : Hybridation de blocs ViT/Swin-Transformer avec Mamba.
Mécanismes de balayage novateurs : Innovations dans les chemins de balayage (ex. : balayage croisé, fractal, bidirectionnel) pour préserver la topologie spatiale.

3. Contributions clés et résultats

3.1 Dominance architecturale

La revue identifie les hybrides CNN-Mamba comme l'approche la plus dominante et la plus efficace dans la littérature actuelle. Ces modèles combinent avec succès les capacités d'extraction de caractéristiques locales des CNN avec la modélisation du contexte global de Mamba. Ils sont particulièrement prévalents dans les tâches nécessitant à la fois des détails tissulaires micro-échelle et une topologie organique macro-échelle, telles que la segmentation des tumeurs cérébrales, la détection des lésions cutanées et l'analyse pathologique.

3.2 Modalités et tâches

Modalités : L'architecture montre la plus grande adaptabilité à l'IRM et au scanner (18 % et 15 % des études, respectivement) et aux données multimodales (27 %). La complexité linéaire de Mamba offre un avantage naturel pour le traitement de la nature volumétrique 3D et haute résolution de ces modalités.
Tâches : Bien que la segmentation d'images médicales soit l'objectif principal, l'architecture est également de plus en plus appliquée à la classification, la synthèse d'images, la reconstruction et la génération de rapports.

3.3 Performance vs Limites

Performance : Les modèles basés sur Mamba, particulièrement les hybrides, démontrent une haute précision diagnostique et surpassent souvent les CNN et Transformers standards en termes de scores Dice et d'IoU, surtout dans les tâches volumétriques 3D où les ViT sont limités par la mémoire.
Goulots d'étranglement méthodologiques :
- Perte d'information spatiale : La nécessité d'aplatir les images 2D/3D en séquences 1D entraîne une perte de continuité spatiale et de cohérence topologique.
- Surcharge de mémoire : Les mécanismes de balayage multidirectionnels (ex. : dans VMamba/SS2D) et les architectures hybrides (structures à double branche) entraînent souvent un nombre excessif de paramètres et une consommation de mémoire élevée, limitant le déploiement sur le matériel clinique aux ressources limitées.
- Généralisation : De nombreuses études s'appuient sur des jeux de données standards en accès libre (ex. : BraTS, ISIC) et manquent de validation externe multicentrique, ce qui soulève des questions sur la robustesse face aux variations cliniques réelles (bruit, acquisitions à faible dose, mouvement du patient).

3.4 Évaluation de la qualité

La revue note que si la transparence méthodologique est généralement élevée (beaucoup d'études publient leur code), la robustesse des jeux de données est souvent faible à moyenne en raison d'un manque de généralisation du domaine. La faisabilité computationnelle reste un obstacle majeur, peu d'études démontrant un déploiement réussi en temps réel ou sur des appareils de bord (edge devices).

4. Signification et directions futures

L'article soutient que Mamba représente un changement transformateur dans l'analyse d'images médicales en réconciliant mathématiquement le contexte global des Transformers avec l'efficacité linéaire des CNN. Cependant, les auteurs maintiennent une position modeste, soulignant que Mamba n'est pas encore une solution "prête à l'emploi" pour l'intégration clinique.

Signification :

Mamba offre une alternative viable au goulot d'étranglement quadratique des ViT, permettant le traitement de données médicales haute résolution et 3D sans les coûts de mémoire prohibitifs des Transformers.
L'approche hybride CNN-Mamba est actuellement la voie la plus prometteuse pour équilibrer l'extraction de caractéristiques locales et globales.

Directions futures identifiées par les auteurs :

SSM sélectifs 3D natifs : Développement de blocs Mamba qui traitent directement les volumes 3D sans aplatissement, préservant ainsi la topologie spatiale et les relations de voisinage entre pixels.
Modèles de fondation médicaux : Exploiter l'efficacité de Mamba pour construire des modèles de fondation à grande échelle et auto-supervisés sur des données cliniques non étiquetées afin de pallier la rareté des jeux de données médicales étiquetées.
Intégration Edge : Application de techniques de compression de modèle (élagage, quantification, distillation de connaissances) pour réduire la densité de paramètres, permettant le déploiement sur des appareils portables et des systèmes de navigation chirurgicale en temps réel.

L'article conclut que bien que les architectures basées sur Mamba deviennent rapidement une colonne vertébrale pour la prochaine génération d'IA médicale, surmonter la perte d'information spatiale et les goulots d'étranglement de la mémoire est essentiel avant qu'elles ne puissent être pleinement intégrées dans les systèmes d'aide à la décision clinique.