💻 computer science

A Unified Deep Learning Cascade for Retinal Disease Detection and Diabetic Retinopathy Severity Grading

Ce document propose une cascade d'apprentissage profond unifiée en deux étapes qui utilise un modèle EfficientNetV2-S avec une perte asymétrique pour détecter 28 maladies rétiniennes à partir de l'ensemble de données RFMiD, puis emploie une porte sensible à l'incertitude calibrée par la méthode de Platt pour acheminer les cas positifs à la rétinopathie diabétique vers une seconde étape pour la gradation de la sévérité ordinale sur l'ensemble de données APTOS-2019, atteignant ainsi une performance élevée tout en traitant la dégradation significative de la précision de reconnaissance causée par la cooccurrence de maladies multiples.

Auteurs originaux : Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

Publié 2026-06-29

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

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 votre œil est comme un aéroport très fréquenté, et que la rétine est la tour de contrôle. Parfois, des problèmes surviennent dans la tour — peut-être qu'une lumière clignote, qu'un écran se fissure ou qu'une tempête s'installe. La rétinopathie diabétique (RD) est comme une tempête spécifique et dangereuse qui peut détruire la tour si elle n'est pas détectée tôt.

Le problème est qu'il existe 28 types différents de « tempêtes » (maladies) qui peuvent survenir, et elles arrivent souvent en même temps. De plus, la « tempête » de la RD présente différents niveaux d'intensité, allant d'une fine bruine à un ouragan.

Ce document présente un nouveau système de « point de contrôle de sécurité » à deux étapes (une cascade de deep learning) conçu pour scanner ces images oculaires, identifier les maladies et évaluer la sévérité de la tempête de RD. Voici comment cela fonctionne, décomposé en analogies simples :

Étape 1 : Le scanner de sécurité grand angle

Considérez la première étape comme un agent de sécurité ultra-rapide se tenant à l'entrée principale.

La mission : Cet agent examine l'image de l'œil et vérifie la présence de n'importe laquelle des 28 maladies possibles. Il ne cherche pas seulement la tempête de RD ; il cherche tout.
L'outil : Les chercheurs ont utilisé un modèle d'IA intelligent appelé EfficientNetV2-S. Pour le rendre vraiment efficace pour repérer les maladies rares (qui sont comme des contrebandes rares et sournoises), ils l'ont entraîné en utilisant une règle spéciale appelée Perte Asymétrique (Asymmetric Loss). Considérez cela comme l'entraînement d'un garde pour qu'il soit extrêmement vigilant afin de ne pas manquer un petit objet caché, même s'il doit signaler par erreur quelques articles inoffensifs.
Le résultat : Ce garde est excellent. Il identifie correctement la présence de rétinopathie diabétique 98,3 % du temps.
Le bémol : Les chercheurs ont constaté que lorsqu'un patient présente plusieurs maladies à la fois (comme une tempête plus un écran fissuré), le garde est confus. Sa précision chute d'environ 42 % car les maladies « interfèrent » entre elles, comme trop de gens qui crient en même temps dans une pièce bondée.

Le gardien : L'interrupteur « calibré par Platt »

Une fois que le premier garde repère une potentielle tempête de RD, l'image ne passe pas directement à l'étape suivante. Elle rencontre une porte intelligente.

Le problème : Le premier garde est parfois trop confiant ou pas assez confiant dans ses propres prédictions.
La solution : Les chercheurs ont ajouté une étape de « calibration » (mise à l'échelle de Platt). Imaginez que c'est comme un traducteur qui prend la confiance brute et instable du garde et la transforme en un score de probabilité précis et fiable. Cela garantit que la porte ne s'ouvre que pour les bonnes raisons.

Étape 2 : L'expert évaluateur de tempêtes

Si la porte s'ouvre (ce qui signifie que l'image est probablement positive pour la RD), l'image passe à la seconde étape.

La mission : Il ne s'agit plus seulement de trouver la maladie ; il s'agit d'évaluer la sévérité. Est-ce une fine bruine (Légère), une pluie forte (Modérée) ou un ouragan (Sévère) ?
La particularité : Les chercheurs ont réalisé que l'évaluation n'est pas simplement le choix d'une catégorie (comme « Rouge » ou « Bleu »). C'est une tâche ordinale. Confondre une tempête « Modérée » avec une tempête « Sévère » est une erreur plus grave que de confondre une « Modérée » avec une « Légère ».
Les outils : Ils ont testé deux « experts évaluateurs » différents :
1. EfficientNetV2-S : Le polyvalent. Il a été le meilleur globalement, obtenant un score de 0,93 (sur 1,0) sur sa capacité à classer correctement les tempêtes.
2. Swin Transformer (Swin-S) : Le spécialiste. Bien que légèrement moins précis globalement, il s'est avéré étonnamment performant pour repérer les pires tempêtes (grades Sévères), agissant comme un spécialiste qui se concentre uniquement sur les situations les plus dangereuses.
La stratégie : Ils ont utilisé une méthode d'« ensemble à 5 plis » (5-fold ensemble). Imaginez que cinq experts différents examinent la même image et font la moyenne de leurs opinions. Cela rend la décision finale beaucoup plus stable et fiable.

Pourquoi ce système en « cascade » est important

Le document soutient que faire tout dans un seul modèle géant est désordonné.

L'analogie : Si vous demandez à une seule personne de tout faire (scanner 28 maladies et évaluer la sévérité d'une maladie spécifique), elle est submergée, surtout lorsque plusieurs maladies sont présentes.
La solution : En divisant le travail, la première étape agit comme un filtre. Elle capture les cas de RD et les envoie à l'évaluateur spécialisé. Cela permet à l'évaluateur de rester concentré et efficace.
Le filet de sécurité de l'« incertitude » : Le système possède une « zone floue » (bande sensible à l'incertitude). Si la porte hésite sur le fait d'envoyer ou non une image à l'évaluateur, elle utilise une formule intelligente pour fusionner les deux morceaux d'information plutôt que de prendre une décision tranchée et potentiellement erronée.

Ce qu'ils ont trouvé (Les résultats)

Performance : Le système est très performant pour détecter la RD (98 % de précision) et pour l'évaluer (score de 0,93).
La découverte de la « cooccurrence » : Ils ont prouvé que lorsque les maladies surviennent ensemble, le système est confus. C'est précisément pourquoi ils avaient besoin de ce système en deux étapes : pour gérer la complexité des yeux réels où de multiples problèmes existent souvent simultanément.
Tests croisés : Ils ont testé le système sur un jeu de données différent (RFMiD) de celui sur lequel il a été entraîné (APTOS). Même si l'« éclairage » et les « caméras » étaient différents, le système fonctionnait toujours bien pour détecter la présence de la RD, prouvant ainsi sa robustesse.

En résumé

Ce document présente un pipeline d'IA en deux étapes pour la santé oculaire.

Étape 1 : Un scanner large identifie si une maladie est présente, avec un accent particulier sur la détection de la rétinopathie diabétique.
Étape 2 : Un évaluateur spécialisé prend ces cas spécifiques et évalue la gravité de la RD, en utilisant une méthode qui comprend que « mauvais » est pire que « correct », qui est pire que « bien ».

Le résultat est un système plus précis et plus efficace que d'essayer de tout faire en une seule fois, surtout lorsqu'il est confronté à des yeux présentant plusieurs problèmes à la fois.

Résumé Technique : Une cascade d'apprentissage profond unifiée pour la détection des maladies rétiniennes et la gradation de la sévérité de la rétinopathie diabétique

Énoncé du problème
La rétinopathie diabétique (RD) est une cause majeure de cécité évitable, nécessitant un dépistage automatisé fiable. La littérature actuelle en apprentissage profond traite généralement la détection des maladies rétiniennes et la gradation de la sévérité de la RD comme des tâches isolées. De plus, la gradation de la RD est souvent traitée comme un problème de classification catégorielle standard, ignorant sa nature ordinale (où la classification erronée d'un cas sévère en cas léger est plus préjudiciable qu'une erreur de voisinage). Par ailleurs, la présence de multiples pathologies rétiniennes cooccurrentes peut dégrader les performances des modèles à étape unique, un facteur souvent négligé dans les cadres unifiés.

Méthodologie
Les auteurs proposent une cascade d'apprentissage profond à deux étapes conçue pour unifier le dépistage multi-étiquettes des maladies rétiniennes et la gradation ordinale de la sévérité de la RD.

Étape 1 : Détection multi-étiquettes des maladies rétiniennes
- Jeu de données : RFMiD (3 200 images, 28 catégories de maladies).
- Architecture : Backbone EfficientNetV2-S.
- Stratégie d'entraînement : Le modèle est entraîné à l'aide d'une perte asymétrique (Asymmetric Loss - ASL) pour gérer le déséquilibre sév de classes et les distributions à longue traîne communes aux jeux de données multi-étiquettes. Le prétraitement inclut la normalisation de contraste de Ben Graham et une augmentation étendue (MixUp, CutMix).
- Sortie : Le modèle prédit les probabilités pour 28 maladies rétiniennes. La classe RD sert spécifiquement de « signal de porte » (gate signal) pour déterminer si une image passe à l'étape 2.
Mécanisme de porte et calibration
- Les sorties sigmoïdes brutes du classificateur multi-étiquettes sont souvent mal calibrées. Les auteurs appliquent une calibration de Platt aux probabilités postérieures de la RD pour assurer un déclenchement de porte fiable.
- Variantes de la cascade : L'étude évalue quatre variantes :
  - C0 : Étape 2 seule (référence/baseline).
  - C1/C2 : Porte stricte (hard gating) utilisant des probabilités brutes ou calibrées, respectivement.
  - C3 (Proposée) : Une cascade bidirectionnelle sensible à l'incertitude. Elle utilise deux seuils ( $\tau_{low}, \tau_{high}$ ) pour créer trois régions : non-RD certaine (sortie 0), RD certaine (passage à l'étape 2), et une bande ambiguë. Dans la bande ambiguuse, un score fusionné combinant la probabilité de la porte et le score continu de l'étape 2 est utilisé.
Étape 2 : Gradation de la sévérité de la RD (Ordinale)
- Jeu de données : APTOS-2019 (3 662 images, 5 grades de sévérité : 0–4).
- Approche : Formulée comme une régression ordinale plutôt que comme une classification catégorielle afin de préserver les relations de sévérité.
- Backbones : Deux architectures sont comparées :
  - EfficientNetV2-S : Utilise la perte d'erreur quadratique moyenne (MSE).
  - Swin Transformer Small (Swin-S) : Utilise la MSE pondérée (WMSE) pour traiter le déséquilibre des classes et exploite l'attention auto-attentionnée hiérarchique à fenêtre décalée.
- Ensemble : Un ensemble de validation croisée stratifiée sur 5 plis est utilisé pour générer les scores continus finaux, qui sont convertis en grades discrets (0–4) à l'aide d'un OptimizedRounder basé sur l'optimisation du coefficient Kappa pondéré par quadratique (QWK).

Principales contributions

Cadre de cascade unifié : Un nouveau pipeline à deux étapes qui intègre la détection de maladies multi-étiquettes avec la gradation ordinale de la sévérité de la RD, en acheminant uniquement les échantillons positifs à la RD vers le gradateur de sévérité.
Comparaison systématique des backbones : Une évaluation détaillée d'EfficientNetV2-S par rapport à Swin-S pour la régression ordinale, analysant la sensibilité des fonctions de perte et les stratégies de pondération des classes.
Analyse de la dégradation par cooccurrence : Une analyse quantitative démontrant que les pathologies rétiniennes simultanées dégradent la performance de reconnaissance (une chute de 42 % de l'F1-macro pour les images multi-maladies), fournissant la motivation empirique pour l'architecture en cascade.
Routage sensible à l'incertitude : L'introduction d'une cascade bidirectionnelle (C3) qui utilise une bande d'ambiguïté pour fusionner les preuves, réduisant les erreurs par rapport aux mécanismes de porte stricte.

Résultats expérimentaux

Étape 1 (RFMiD) : EfficientNetV2-S avec ASL a atteint une AUC moyenne de 0,910 et un mAP de 0,539. Le canal DR a spécifiquement atteint une AUC de 0,983, validant sa fiabilité en tant que signal de porte.
Impact de la cooccurrence : La performance s'est considérablement dégradée pour les images présentant 2 à 3 maladies (l'F1-macro est passé de 0,455 à 0,266). L'analyse de l'AUC conditionnelle a montré que des paires de maladies spécifiques (ex: DR avec dégénérescence lacilaire) provoquaient des chutes de performance significatives, justifiant le besoin d'un gradateur dédié.
Étape 2 (APTOS-2019) :
- L'ensemble 5-fold d'EfficientNetV2-S a obtenu la meilleure performance globale avec un QWK de 0,9339.
- Swin-S a obtenu un QWK hors échantillon (out-of-fold) de 0,8963 mais a démontré une sensibilité supérieure pour la prédiction des grades sévères (Grades 3 et 4).
Évaluation de la cascade :
- La calibration était critique : la porte stricte calibrée (C2) a surpassé la porte stricte brute (C1) de +0,013 QWK.
- La cascade sensible à l'incertitude (C3) a obtenu un QowK de 0,9038 sur la tranche de rapport disjoint, surpassant les variantes de porte stricte et approchant la performance de la référence (C0) de l'étape 2 sur les données de même distribution.
- L'attribution des erreurs a révélé que seulement 4 % des erreurs étaient dues à des échements de la porte, tandis que 76 % étaient dues à des erreurs de magnitude de l'étape 2 (discrimination de grades adjacents), identifiant le régresseur comme le principal goulot d'étranglement.
Validation cross-domaine : Appliquée au test set de RFMiD (entraînée uniquement sur APTOS), la cascade a maintenu une AUC de détection de la DR élevée de 0,981, démontrant une robustesse au changement de domaine, bien que les prédictions de sévérité n'aient pas été validées en raison de l'absence de vérité de terrain (ground truth) dans RFMiD.

Signification et affirmations
L'article affirme que cette cascade unifiée comble efficacement l'écart entre le dépistage général des maladies rétiniennes et la gradation spécifique de la sévérité de la RD. En analysant la cooccurrence des maladies, les auteurs démontrent qu'un modèle à étape unique peine face à des entrées multi-pathologies, motivant la conception de la cascade. L'étude souligne que la calibration de Platt est un prérequis pour un déclenchement de porte efficace et que le routage sensible à l'incertitude peut récupérer la performance perdue par les mécanismes de porte.

Les auteurs notent que si EfficientNetV2-S offre une précision globale supérieure, Swin-S présente des forces complémentaires pour la détection des cas sévères. Le cadre est présenté comme une étape vers des flux de travail de dépistage ophtalmique en conditions réelles où plusieurs anomalies coexistent fréquemment. L'article reconnaît modestement certaines limites, notamment l'absence de labels de sévérité de vérité de terrain dans RFMiD pour une validation quantitative de l'étape 2 sur ce jeu de données, l'absence de visualisations d'interprétabilité (ex: Grad-CAM), et la nécessité d'une validation externe sur des jeux de données hospitaliers avant un déploiement clinique.