💻 computer science

WaveInvNet: A Wavelet-Separated Dynamic Involution Network for Multimodal Skin Lesion Classification

Cet article propose WaveInvNet, une architecture d'apprentissage profond multimodale et légère qui intègre des images dermoscopiques aux métadonnées des patients à l'aide d'un nouveau bloc d'involution dynamique à séparation par ondelettes afin de capturer de manière adaptative les caractéristiques hétérogènes des lésions, atteignant ainsi des performances de pointe pour la classification des lésions cutanées sur le jeu de données HAM10000.

Auteurs originaux : Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

Publié 2026-09-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mohamed Amine Ibrahimi, Abdelghafour Abbad, Rachid Ben Abbou, Khalid Abbad

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

Le cancer de la peau est un défi mondial implacable, avec des millions de nouveaux cas diagnostiqués chaque année. Parmi ceux-ci, le mélanome est particulièrement dangereux car il peut se propager rapidement à d'autres parties du corps, faisant de la détection précoce une question de vie ou de mort. Pendant des décennies, les médecins se sont appuyés sur la dermoscopie, une technique qui utilise un outil de grossissement spécialisé pour examiner les lésions cutanées en détail. Cependant, ce processus dépend fortement de l'expérience du clinicien, et même les experts peuvent être en désaccord sur ce qu'ils voient. Pour aider, les scientifiques se sont tournés vers l'intelligence artificielle, apprenant aux ordinateurs à reconnaître les motifs subtils de la maladie dans les images médicales. Bien que ces systèmes informatiques soient devenus très performants pour repérer les anomalies, ils éprouvent souvent des difficultés face à la complexité des lésions cutanées. Les systèmes traditionnels traitent chaque partie d'une image de la même manière, utilisant un ensemble de règles unique et immuable pour scanner l'image entière. Cette approche peut manquer les textures uniques du centre d'une lésion ou les bords irréguliers de sa bordure, échouant à s'adapter aux détails spécifiques qui distinguent un grain de beauté inoffensif d'une tumeur dangereuse.

Une équipe de chercheurs de l'Université Sidi Mohamed Ben Abdellah au Maroc a développé une nouvelle approche pour résoudre ce problème, créant un système qu'ils nomment WaveInvNet. Au lieu d'utiliser une méthode universelle, leur système est conçu pour regarder une image de peau de deux manières différentes simultanément : une qui capture la forme globale et large de la lésion, et une autre qui se concentre sur les détails fins et complexes. Ils y sont parvenus en utilisant une technique mathématique connue sous le nom de transformée en ondelettes, qui agit comme un prisme pour les images, divisant l'information visuelle en couches distinctes de structure et de texture. En séparant ces couches, l'ordinateur peut analyser la vue d'ensemble et les détails minuscules de manière indépendante, garantissant qu'aucun indice diagnostique critique ne soit perdu dans le processus.

Les chercheurs ont construit leur système autour d'un composant novateur qu'ils ont nommé un bloc d'involution dynamique séparé par ondelettes (Wavelet-Separated Dynamic Involution block). En termes plus simples, il s'agit d'une unité de traitement intelligente qui apprend à ajuster sa propre mise au point en fonction de ce qu'elle voit. Lorsque le système rencontre une zone de peau lisse, il applique un ensemble de règles analytiques ; lorsqu'il rencontre une bordure rugueuse et irrégulière, il bascule instantanément vers un autre ensemble de règles mieux adaptés à cette texture spécifique. Cet ajustement dynamique permet à l'ordinateur d'être beaucoup plus sensible aux caractéristiques uniques de chaque lésion. De plus, le système ne repose pas uniquement sur l'image. Il prend également en compte les informations du patient, telles que l'âge, le sexe et la localisation de la lésion sur le corps. En combinant l'analyse visuelle avec ces faits cliniques, le système crée un tableau plus complet de l'état du patient avant de poser un diagnostic.

Pour tester leur création, les chercheurs ont entraîné le système à l'aide d'une vaste collection de plus de 10 000 images de peau provenant de l'ensemble de données HAM10000, qui comprend sept types différents de lésions cutanées. Ils ont divisé les données de sorte que le système apprenne à partir de la plupart des images, puis soit testé sur celles qu'il n'avait jamais vues auparavant. Les résultats ont été frappants. Le nouveau système a correctement identifié le type de lésion cutanée dans 93,63 % des cas de test, une performance qui a surpassé plusieurs autres modèles d'intelligence artificielle bien connus. Il a également obtenu un score de 98,46 % dans sa capacité à distinguer les différentes classes de maladies, une métrique connue sous le nom d'aire sous la courbe. Peut-être plus important encore, le système a atteint ce haut niveau de précision tout en utilisant nettement moins de ressources informatiques que ses concurrents. Il n'a nécessité que 2,54 millions de paramètres ajustables, soit moins de la moitié du nombre nécessaire à certains des autres modèles de pointe, ce qui en fait un outil léger et efficace pour un usage médical.

L'étude a également révélé les domaines où le système excellait et ceux où il faisait encore face à des défis. Il était parfait pour identifier certains types de lésions rares, tels que les lésions vasculaires et les dermatofibromes, avec zéro erreur dans l'ensemble de test. Cependant, il a occasionnellement confondu le mélanome avec des grains de beauté bénins, qui sont les deux catégories les plus courantes et visuellement les plus similaires. Cette confusion est une difficulté connue dans le domaine, car les différences visuelles entre un mélanome dangereux et un grain de beauté inoffensif peuvent être incroyablement subtiles. Malgré ces erreurs mineures, le système a démontré une capacité constante à séparer les différentes classes de maladies, prouvant que sa méthode de division de l'image en composants structurels et détaillés fonctionne efficacement. Les chercheurs ont noté que, bien que le système ait bien performé sur cet ensemble de données spécifique, des travaux futurs devront le tester sur une plus grande variété d'images et de conditions cliniques pour garantir qu'il fonctionne de manière fiable dans les hôpitaux du monde réel.

Ce travail représente une étape importante dans la manière dont l'intelligence artificielle peut aider les médecins à diagnostiquer le cancer de la peau. En s'éloignant d'une analyse rigide et uniforme pour embrasser une méthode qui s'adapte aux détails spécifiques de chaque image, les chercheurs ont montré que les machines peuvent apprendre à voir les lésions cutanées de la même manière que les experts humains. L'intégration des données du patient avec l'analyse visuelle renforce davantage le diagnostic, reflétant la façon dont un médecin considère l'ensemble du patient, et non seulement la tache sur sa peau. Alors que le fardeau du cancer de la peau continue de croître, des outils comme WaveInvNet offrent une voie prometteuse vers des soins plus rapides, plus précis et plus accessibles, pouvant potentiellement sauver des vies en détectant la maladie plus tôt que jamais.

Résumé Technique : WaveInvNet

Énoncé du Problème
L'article traite de la nécessité critique d'un diagnostic précoce et précis du cancer de la peau pour réduire la mortalité, particulièrement pour le mélanome. Bien que l'apprentissage profond, spécifiquement les réseaux de neurones convolutifs (CNN), ait fait progresser l'analyse automatisée des images dermoscopiques, les architectures conventionnelles font face à des limites. Les CNN standards reposent sur des noyaux à partage spatial qui traitent uniformément toutes les régions de l'image, échouant ainsi à s'adapter aux structures hétérogènes des lésions cutanées (par exemple, les variations entre les centres, les bordures et la peau environnante). De plus, l'extraction de caractéristiques conventionnelle traite souvent les informations structurelles et les détails diagnostiques fins de manière conjointe, risquant de perdre des motifs subtils lors du sous-échantillonnage (downsampling). De plus, les ensembles de données de lésions cutanées comme HAM10000 présentent un déséquilibre de classes important, ce qui peut biaiser les modèles en faveur des classes majoritaires.

Méthodologie
Les auteurs proposent WaveInvNet, une architecture multimodale légère conçue pour intégrer les images dermoscopiques aux métadonnées des patients (âge, sexe et localisation anatomique). L'innovation centrale réside dans le bloc Wavelet-Separated Dynamic Involution (WSDI), organisé au sein d'un encodeur hiérarchique à quatre étapes.

Bloc Wavelet-Separated Dynamic Involution (WSDI) :
- Décomposition par ondelettes stationnaires de Haar : Les cartes de caractéristiques d'entrée subissent une transformée en ondelettes de Haar stationnaire. Cela sépare les données en une composante structurelle à basse fréquence ( $F_{LL}$ ) et trois composantes de détails à haute fréquence ( $F_{LH}, F_{HL}, F_{HH}$ ). Contrairement aux transformées en ondelettes discrètes, cette méthode préserve la résolution spatiale originale sans sous-échantillonnage.
- Génération de noyaux spécifiques à la fréquence : Le bloc utilise des générateurs distincts pour la structure, le détail et le fenêtrage (gating).
  - La branche structurelle utilise la sous-bande de basse fréquence pour générer des logits de noyau bruts, qui sont normalisés via Softmax pour créer un noyau non négatif à somme unitaire ( $K_{str}$ ) pour l'agrégation structurelle.
  - La branche de détail traite les sous-bandes de haute fréquence concaténées. Les logits résultants sont bornés par une tangente hyperbolique, centrés sur la moyenne et normalisés en L1 pour produire un noyau signé à somme nulle ( $K_{det}$ ) qui accentue les variations locales.
  - La branche de fenêtrage (gating) utilise les coefficients de haute fréquence absolus pour générer une porte spatialement variable ( $\beta$ ) qui module la contribution du noyau de détail.
- Intégration de noyaux adaptatifs : Le noyau final est calculé comme $K_{wsdi} = K_{str} + \beta \odot K_{det}$ . Cela permet au réseau d'ajuster dynamiquement l'influence des détails fins sur l'agrégation à chaque emplacement spatial.
- Involution groupée : Ces noyaux adaptatifs sont appliqués à des voisinages locaux à l'aide d'un opérateur d'involution groupée, où les noyaux sont partagés entre les groupes de canaux mais varient selon l'emplacement spatial.
- Raffinement résiduel : La sortie subit une expansion de canaux, une activation GELU, une projection, un LayerScale et une profondeur stochastique avant d'être ajoutée à l'entrée résiduelle.
Fusion Multimodale :
- Les métadonnées des patients sont standardisées et encodées.
- Après que l'encodeur hiérarchique à quatre étapes a extrait les caractéristiques sensibles à la fréquence, un pooling moyen global (global average pooling) est appliqué.
- La représentation visuelle résultante est concaténée avec les métadonnées encodées avant de passer par une couche dense avec une activation softmax pour la classification finale.
Gestion des Données :
- Le modèle a été entraîné sur le jeu de données HAM10000 (10 015 images, 7 classes).
- Pour traiter le déséquilibre des classes, une augmentation de données ciblée a été appliquée aux classes sous-représentées (par exemple, en augmentant significativement les échantillons VASC et DF).
- Les valeurs d'âge manquantes ont été imputées par la médiane.

Contributions Clés

Nouveau Bloc WSDI : L'article introduit la première application d'un mécanisme utilisant des composantes structurelles et de détails dérivées des ondelettes pour guider directement la génération de noyaux d'involution spécifiques à la localisation pour la classification des lésions cutanées.
Architecture Légère : WaveInvNet est un encodeur hiérarchique à quatre étapes qui apprend progressivement des représentations sensibles à la fréquence et spatialement adaptatives avec un faible nombre de paramètres.
Évaluation Complète : L'étude fournit une comparaison unifiée avec des architectures CNN établies (EfficientNetB0, DenseNet121, ResNet50, ConvNeXt-Base, InceptionV3), évaluant les performances, l'efficacité computationnelle et la complexité du modèle.

Résultats
Évalué sur l'ensemble de test HAM10000 (division 70/10/20, moyennée sur 5 passages), WaveInvnet a obtenu :

Précision (Accuracy) : 93,63 %
AUC : 98,46 %
F1-Score : 94,81 %
Précision (Precision) : 94,45 %
Rappel (Recall) : 95,20 %

Le modèle a démontré des performances constantes avec de faibles écarts types sur les différents passages. En termes d'efficacité, WaveInvNet n'a nécessité que 2,54 millions de paramètres entraînables (10,16 Mo pour les poids), ce qui représente une réduction d'environ 42,6 % par rapport à la plus petite base de référence (EfficientNetB0) et une réduction d'environ 88,7 % par rapport à InceptionV3.

L'analyse de la matrice de confusion a révélé que le modèle a classifié les AKIEC, DF et VASC sans erreur. La confusion principale s'est produite entre le Mélanome (MEL) et le Naevus (NV), ainsi qu'entre les lésions de type Kératose bénigne (BKL) et le NV, ce qui est cohérent avec les défis diagnostiques connus en dermatologie.

Signification et Revendications
L'article affirme que WaveInvNet démontre que la combinaison d'un traitement visuel sensible à la fréquence (via la séparation par ondelettes) avec une agrégation spatialement adaptative (via l'involution dynamique) et des métadonnées de patients permet une classification des lésions cutanées multiclasses précise et efficace en paramètres. Les auteurs soutiennent que leur approche surpasse les bases de référence de l'apprentissage profond existantes dans des conditions expérimentales identiques, tout en maintenant une empreinte de modèle nettement plus petite. Ils positionnent ce travail comme une étape vers des systèmes de support diagnostique plus adaptatifs et efficaces, capables de gérer l'hétérogénéité des lésions cutanées et le déséquilibre des ensembles de données cliniques.

Les auteurs notent que bien que les résultats soient prometteurs, les travaux futurs devraient inclure des tests sur d'autres ensembles de données pour vérifier la généralisation à travers différentes conditions cliniques, explorer la validation croisée k-fold stratifiée, et étendre la branche des métadonnées pour inclure d'autres variables cliniques. Ils identifient également l'explicabilité et l'estimation de l'incertitude comme des domaines d'investigation future pour améliorer l'interprétabilité clinique.

Articles similaires