TransResU-Net : TransResU-Net basé sur Transformer pour la segmentation en temps réel des polypes lors de la coloscopie

Le cancer colorectal (CRC) est l’une des causes les plus fréquentes de cancer et de mortalité liée au cancer dans le monde. Un dépistage du cancer du côlon effectué de manière opportune constitue la clé de la détection précoce. La coloscopie demeure le mode d’imagerie principal utilisé pour le diagnostic du cancer du côlon. Toutefois, le taux de non-détection des polypes, des adénomes et des adénomes avancés reste significativement élevé. La détection précoce des polypes à un stade précancéreux peut contribuer à réduire la mortalité et la charge économique associée au cancer colorectal. Un système d’aide au diagnostic assisté par apprentissage profond (CADx) pourrait aider les gastroentérologues à identifier les polypes susceptibles d’être manqués, améliorant ainsi le taux de détection des polypes. En outre, un tel système CADx pourrait s’avérer être une solution rentable, contribuant à une prévention à long terme du cancer colorectal. Dans cette étude, nous proposons une architecture fondée sur l’apprentissage profond pour une segmentation automatique des polypes, appelée Transformer ResU-Net (TransResU-Net). L’architecture proposée repose sur des blocs résiduels, utilisant ResNet-50 comme squelette, tout en exploitant mécaniquement le mécanisme d’attention auto-associative des transformateurs ainsi que la convolution dilatée. Nos résultats expérimentaux sur deux jeux de données publics de référence pour la segmentation des polypes ont montré que TransResU-Net atteint un score Dice très prometteur ainsi qu’une vitesse en temps réel. Étant donné son efficacité élevée sur les métriques de performance, nous concluons que TransResU-Net pourrait constituer une référence solide pour le développement d’un système de détection en temps réel des polypes, destiné à la détection précoce, au traitement et à la prévention du cancer colorectal. Le code source de TransResU-Net est disponible publiquement à l’adresse suivante : https://github.com/nikhilroxtomar/TransResUNet.