💻 computer science

TopoNet: A Topology-Guided Dual-Branch Framework for Medical Image Classification

TopoNet est un cadre à double branche guidé par la topologie qui améliore la classification d'images médicales volumétriques en intégrant des caractéristiques topologiques spatialement enregistrées, dérivées de l'homologie persistante, avec des indices basés sur l'apparence via une attention inter-branches, améliorant ainsi la précision, la robustesse et l'interprétabilité.

Auteurs originaux : Jin Sun, Nan Gao, Wenqi Tao, Zaifang Zhang, Chenghao Shao

Publié 2026-07-15

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jin Sun, Nan Gao, Wenqi Tao, Zaifang Zhang, Chenghao Shao

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

Imaginez que vous essayiez d'identifier un type spécifique de nuage dans le ciel. La plupart des programmes informatiques actuels agissent comme un peintre qui ne regarde que les couleurs et les textures du nuage. Ils disent : « Ce nuage semble duveteux et blanc, donc il doit s'agir d'un cumulus. » Mais et si la forme du nuage était en réalité un donut parfait, ou une boucle tordue ? Un peintre pourrait manquer cela, mais un mathématicien étudiant la topologie (la science des formes et des connexions) repérerait instantanément le trou au milieu.

C'est exactement le problème auquel les médecins sont confrontés avec les scanners médicaux 3D. Les modèles d'IA actuels sont excellents pour repérer les textures « duveteuses », mais ils passent souvent à côté de l'image globale : les boucles, les tunnels et les cavités à l'intérieur des organes qui signalent une maladie. Par exemple, un canal pancréatique sain est comme un tube lisse et continu. Un canal malade peut être brisé, fragmenté ou tordu en une boucle étrange. Une IA standard pourrait être confuse par le bruit, mais elle a besoin de voir la forme de la rupture pour en être sûre.

Entrez en scène TopoNet, un nouveau cadre de travail créé par des chercheurs de l'Université de Shanghai et de leurs partenaires hospitaliers. Considérez TopoNet non pas seulement comme un peintre, mais comme un détective doté de deux regards.

Le détective aux deux branches

TopoNet fonctionne comme un système à double cerveau :

L'œil de la « Texture » : Cette branche examine l'image médicale comme une IA normale, en étudiant les couleurs, les ombres et les détails de pixels.
L'œil de la « Forme » : C'est la partie magique. Elle utilise un outil mathématique appelé homologie persistante pour scanner l'image à la recherche de formes invisibles — comme des amas connectés, des boucles et des cavités vides.

Mais voici la partie délicate que l'article résout : habituellement, lorsque les mathématiciens trouvent ces formes, ils les transforment en une liste de chiffres ennuyeuse (comme un tableur). C'est comme prendre la carte d'une ville et la transformer en une liste de noms de rues ; on perd la notion de l'endroit où se trouvent réellement les rues. L'article soutient que ce « détachement spatial » est une faille majeure. TopoNet corrige cela en prenant ces formes abstraites et en les reprojetant directement sur l'image 3D, pixel par pixel. Désormais, l'IA sait exactement où se situe la boucle ou le trou, et pas seulement qu'ils existent.

Filtrer le bruit

Les scanners médicaux sont souvent désordonnés, remplis de « statique » qui ressemble à de minuscules boucles ou trous factices. Si vous saisissez simplement toutes les formes que vous voyez, vous serez confus. TopoNet utilise une astuce ingénieuse appelée bandes de confiance. Imaginez que vous essayiez d'entendre la voix d'un ami dans une pièce bruyante. Au lieu de crier après tout le monde, vous utilisez un filtre spécial qui ne laisse passer que les voix assez fortes et claires pour être réelles. TopoNet fait cela mathématiquement : il sépare les formes de maladies « réelles » du bruit « factice » sans avoir besoin qu'un humain devine un seuil de coupure.

La collaboration

Une fois que TopoNet possède sa vue « Texture » et sa vue « Forme », il ne se contente pas de les juxtaposer. Il utilise un mécanisme d'attention croisée. Considérez cela comme une conversation entre les deux yeux. L'œil de la « Forme » chuchote à l'œil de la « Texture » : « Hé, regarde juste ici ! Il y a une boucle dans le canal que tu as manquée ! » Cela aide l'IA à se concentrer sur les indices structurels les plus importants, ce qui la rend beaucoup plus difficile à tromper par des textures confuses.

Est-ce que cela a fonctionné ?

Les chercheurs ont testé cela sur deux ensembles de données réels pour voir si cela pouvait faire la différence entre des organes sains et malades.

Le test du pancréas : Ils ont examiné des scanners CT de tumeurs pancréatiques. TopoNet a atteint une Précision de 0,8197 ± 0,0587 et une AUC de 0,8123 ± 0,1127. C'était meilleur que de nombreux autres modèles d'IA puissants (comme ResNet50 ou ViT) qui ne regardent que les textures.
Le test de la tumeur cérébrale : Ils ont également testé cela sur des IRM cérébrales pour distinguer les gliomes de haut grade des gliomes de bas grade. Ici, TopoNet a obtenu une Précision de 0,9333 ± 0,0079 et une AUC de 0,9267 ± 0,0437.

L'article exclut explicitement l'idée que le simple ajout de données ou l'utilisation d'une IA standard plus « grande » soit la solution. Ils ont découvert que les modèles reposant uniquement sur la texture échouent souvent lorsque la maladie modifie la structure de l'organe mais pas sa couleur. Ils ont également montré que le simple fait de lister les formes (sans les réprojeter sur l'image) ne fonctionne pas aussi bien que leur approche à double branche.

Le verdict

Les auteurs suggèrent qu'en donnant à l'IA la capacité de « voir » les boucles et les trous dans l'espace 3D, nous pouvons rendre le diagnostic médical plus fiable et plus facile à comprendre. Les résultats montrent que cette approche « guidée par la topologie » est une manière prometteuse d'aider les ordinateurs à comprendre l'architecture complexe du corps humain, et pas seulement son apparence de surface. Bien que l'article note que des tests supplémentaires sur des groupes de patients plus larges sont nécessaires pour en être absolument certain, les expériences actuelles suggèrent que regarder la forme de la maladie est un nouvel outil puissant pour les médecins.

Résumé Technique : TopoNet : Un cadre à double branche guidé par la topologie pour la classification d'images médicales

Énoncé du Problème

La classification d'images médicales volumétriques fait face à des défis importants concernant la robustesse et l'interprétabilité. Les modèles de pointe actuels, principalement basés sur les réseaux de neurones convolutifs (CNN) et les Vision Transformers (ViT), reposent lourdement sur des indices dictés par l'apparence (texture et intensité locale). Ces modèles peinent souvent à capturer explicitement la topologie anatomique globale, telle que la connectivité, les boucles et les cavités, qui sont critiques pour le diagnostic clinique. Par exemple, dans l'adénocarcinome canalaire pancréatique (PDAC), la distinction entre un tissu sain et un tissu malade repose souvent sur des changements topologiques comme la fragmentation ductale ou une dilatation anormale, que les architectures locales au niveau du pixel ne peuvent garantir.

De plus, les tentatives existantes pour intégrer l'analyse des données topologiques (TDA) dans l'apprentissage profond souffrent de deux limitations principales :

Sensibilité au bruit : Les méthodes traditionnelles utilisent souvent des seuils rigides, ajustés manuellement, pour filtrer les caractéristiques topologiques, ce qui peut écarter des signaux subtils mais cliniquement pertinents ou conserver du bruit en raison de la variabilité d'un cas à l'autre.
Le problème du « détachement spatial » : La plupart des approches vectorisent les caractéristiques topologiques (par exemple, en images de persistance ou en courbes de Betti) et les concatènent avec les caractéristiques neuronales. Ce processus rejette les coordonnées spatiales des caractéristiques, empêchant le réseau de localiser où les anomalies topologiques spécifiques se produisent, créant ainsi un décalage de représentation entre les caractches d'image spatialement conscientes et les vecteurs topologiques spatialement agnostiques.

Méthodologie : TopoNet

Pour répondre à ces limitations, les auteurs proposent TopoNet, un cadre à double branche guidé par la topologie qui intègre des structures topologiques multi-échelles directement dans l'apprentissage de la représentation volumétrique tout en préservant le contexte spatial.

1. Extraction topologique statistique via des bandes de confiance

Au lieu d'utiliser des seuils fixes, TopoNet emploie une stratégie fondée sur les statistiques pour distinguer les signaux topologiques significatifs du bruit :

Homologie persistante cubique : La méthode calcule l'homologie persistante sur des complexes cubiques dérivés de la grille de voxels, suivant l'évolution de $H_0$ (composantes connexes), $H_1$ (boucles) et $H_2$ (cavités) à travers des filtrations de sous-ensembles de niveaux.
Filtrage par bandes de confiance : Pour gérer le bruit topologique, le cadre utilise une approche par sous-échantillonnage pour construire des bandes de confiance de niveau $(1-\alpha)$ pour le diagramme de persistance. Les caractéristiques dont les valeurs de persistance ( $d-b$ ) tombent dans la bande de confiance (définie par la distance de bottleneck $\epsilon_\alpha$ ) sont traitées comme du bruit. Seules les caractéristiques satisfaisant $d-b > 2\epsilon_\alpha$ sont conservées comme statistiquement significatives. Cela élimine le besoin d'un réglage manuel rigide des seuils.

2. Cartographie dimensionnelle de la topologie vers les voxels

Une innovation centrale de TopoNet est la restauration du contexte spatial aux caractéristiques topologiques, résolvant le problème du « détachement spatial » :

Localisation : Les paires de persistance sélectionnées sont remappées vers le domaine des voxels.
- $H_0$ : Des masques de composantes connexes sont générés en identifiant les voxels semences et en extrayant les composantes à des seuils de pré-fusion spécifiques.
- $H_1$ : Les 1-cycles représentatifs (boucles) sont reconstruits via la réduction de matrice et rasant en masques de boucles binaires, optionnellement dilatés pour former des voisinages tubulaires.
- $H_2$ : Les coques de cavités sont identifiées à l'aide de semences de type « destroyer » et construites via la croissance de région géodésique et des opérateurs morphologiques.
Résultat : Ce processus génère des masques de topologie binaires explicitement enregistrés spatialement ( $T$ ) qui sont strictement alignés avec le volume d'image d'entrée ( $I$ ), créant ainsi une « modalité topologique » complémentaire.

3. Architecture à double branche avec fusion cross-modale

TopoNet utilise une architecture 3D à deux branches (basée sur DenseNet121) pour traiter les modalités d'image et de topologie en parallèle :

Extraction de caractéristiques mono-modale : Deux branches indépendantes extraient des caractéristiques multi-échelles. La branche de topologie utilise la Normalisation de Groupe (GN) au lieu de la Normalisation de Lot pour gérer la haute parcimonie des masques dérivés de la topologie.
Module d'interaction cross-branche (CBIM) : Aux étapes intermédiaires (Stade 3 et 4), les branches interagissent via un mécanisme de fusion spécialisé :
- Module d'amélioration de la texture : Un module de convolution de profondeur léger améliore les caractéristiques de texture locale dans la branche d'image.
- Module d'amélioration de la topologie : Un module sensible à la parcimonie affine les caractéristiques topologiques, en normalisant par le nombre de voxels valides pour éviter que les zéros de l'arrière-plan ne contaminent la représentation.
- Attention croisée (Cross-Attention) : Les caractéristiques d'image servent de requêtes (queries), tandis que les caractéristiques topologiques fournissent les clés (keys) et les valeurs (values). Cela permet au réseau de conditionner les représentations d'image sur la guidance topologique.
- Fusion résiduelle à porte (Gated Residual Fusion) : Les caractéristiques guidées par la topologie sont injectées dans la branche d'image via un mécanisme de porte apprenable, permettant au modèle de contrôler de manière adaptative la force du principe topologique.
Tête de classification : Les caractéristiques fusionnées finales subissent un Pooling d'Attention, qui agrège de manière adaptative les caractéristiques par voxel en fonction de poids d'attention appris, supprimant le bruit de fond avant la classification.

Principales Contributions

L'article expose quatre contributions principales :

Extraction statistiquement fondée : Un cadre utilisant des bandes de confiance pour identifier les caractéristiques d'homologie persistante significatives sur des complexes cubiques, séparant les signaux cliniques robustes du bruit sans seuils rigides.
Restauration spatiale : Un pipeline de cartographie de la topologie vers les voxels sensible à la dimension qui convertit les résumés topologiques abstraits ( $H_0/H_1/H_2$ ) en masques binaires par voxel alignés spatialement, comblant le fossé entre la TDA et l'apprentissage profond basé sur la grille.
Architecture TopoNet : Un réseau à double branche qui encode les modalités d'image et de topologie en parallèle, utilisant l'attention cross-branche pour guider le réseau vers les régions structurellement significatives.
Validation empirique : Des expériences approfondies démontrant des améliorations constantes par rapport à des bases de référence solides sur deux ensembles de données distincts.

Résultats Expérimentaux

Les auteurs ont évalué TopoNet sur deux ensembles de données via une validation croisée à 5 plis :

Tâche MSD Task07 Pancreas (PDAC vs Non-PDAC) :
- TopoNet a atteint une Précision de 0,8197 ± 0,0587 et une AUC de 0,8123 ± 0,1127.
- Il a surpassé les bases de référence fortes en CNN (ResNet50, DenseNet121, EfficientNet) et en Transformer (ViT, Swin).
- Notamment, TopoNet a montré une variance nettement plus faible de la Précision et du score F1 par rapport aux bases de référence, indiquant une plus grande stabilité.
Jeu de données BraTS 2018 (Gradation de Gliome : HGG vs LGG) :
- TopoNet a atteint une Précision de 0,9333 ± 0,0079 et une AUC de 0,9267 ± 0,0437.
- Il a démontré une meilleure généralisation aux modalités d'IRM par rapport aux bases de référence, avec des prédictions très stables à travers les plis.

Les études d'ablation ont confirmé que :

La sélection par bande de confiance surpasse les stratégies à seuil fixe.
La combinaison de toutes les dimensions d'homologie ( $H_0 + H_1 + H_2$ ) produit la meilleure performance.
La stratégie de filtration « No Inversion » (sous-ensemble de niveaux sur l'intensité brute) était optimale pour le scanner pancréatique, soulignant l'importance de la sémantique de filtration spécifique à la tâche.
La direction spécifique de l'interaction cross-modale (Amélioration de l'image guidée par la topologie, $T \to I$ ) était plus efficace que les alternatives bidirectionnelles ou séquentielles.
Le retrait de n'importe quel composant (Amélioration de la texture, Amélioration de la topologie, Attention croisée ou Attention pooling) dégradait les performances, validant la nécessité de l'architecture complète.

Visualisation : Les visualisations Grad-CAM ont montré que TopoNet se concentre sur les motifs structurels pertinents pour la maladie (ex: trajectoires ductales) alignés avec les caractéristiques topologiques, alors que les bases de référence produisent souvent des activations diffuses et dictées par la texture.

Signification et Revendications

L'article affirme que TopoNet offre une voie prometteuse pour améliorer la performance, la robustesse et l'interprétabilité clinique de la classification d'images médicales volumétriques. En intégrant fondamentalement des indices structurels explicites dans le pipeline d'apprentissage profond plutôt que de traiter la topologie comme une statistique globale, le cadre répond au « détachement spatial » inhérent aux méthodes TDA précédentes.

Les auteurs soulignent que leur approche :

Améliore l'interprétabilité : En mappant les caractéristiques topologiques vers le domaine des voxels, le modèle fournit des indices structurels spatialement ancrés qui s'alignent sur le raisonnement clinique (ex: connectivité ductale).
Améliore la robustesse : Le filtrage par bande de confiance et les mécanismes de fusion à porte permettent au modèle de s'adapter au bruit et à la variabilité anatomique, réduisant la dépendance aux textures incidentes.
Offre un paradigme « Plug-and-Play » : Le cadre d'apprentissage guidé par la topologie s'avère efficace sur diverses architectures de base (CNN et Transformers), suggant une large applicabilité.

Les auteurs concluent que bien que la méthode soit prometteuse, des travaux futurs sont nécessaires pour modéliser les interactions synergiques entre les dimensions d'homologie (en utilisant par exemple des réseaux de neurones sur graphes) et pour valider l'approche sur des cohortes plus larges et multicentriques afin d'évaluer la généralisabilité à travers divers protocoles de scanners.