Min-Max Similarité : Un réseau de deep learning semi-supervisé contrastif pour la segmentation d'outils chirurgicaux

Un problème courant dans la segmentation d’images médicales à l’aide de réseaux neuronaux réside dans la difficulté à obtenir un nombre significatif de données annotées au niveau des pixels pour l’entraînement. Pour répondre à ce défi, nous proposons un réseau de segmentation semi-supervisé fondé sur l’apprentissage par contraste. Contrairement aux méthodes de pointe précédentes, nous introduisons une nouvelle approche, appelée Min-Max Similarity (MMS), qui repose sur un apprentissage par contraste à double vue. Cette méthode utilise des classificateurs et des projecteurs pour construire respectivement des paires de caractéristiques « toutes négatives » et des paires positives/négatives, afin de formuler le problème d’apprentissage comme une optimisation du MMS. Les paires « toutes négatives » sont utilisées pour superviser l’apprentissage du réseau à partir de différentes vues et pour capturer des caractéristiques générales, tandis que la cohérence des prédictions sur les données non étiquetées est mesurée par une perte de contraste au niveau pixel par pixel entre les paires positives et négatives. Pour évaluer de manière quantitative et qualitative notre méthode proposée, nous l’avons testée sur quatre jeux de données publics de segmentation d’outils chirurgicaux endoscopiques ainsi qu’un cinquième jeu de données dédié à la chirurgie d’implantation cochléaire, que nous avons annoté manuellement. Les résultats montrent que notre méthode surpasse de manière cohérente les algorithmes de segmentation semi-supervisés et entièrement supervisés de pointe. De plus, notre algorithme de segmentation semi-supervisé parvient à reconnaître efficacement des outils chirurgicaux inconnus et à fournir des prédictions de haute qualité. Enfin, notre approche MMS permet une vitesse d’inférence d’environ 40 images par seconde (fps), la rendant particulièrement adaptée à la segmentation vidéo en temps réel.