Un modèle d'interaction à fort ordre et un jeu de données d'ulcères buccaux pour la segmentation des ulcères buccaux

Le diagnostic assisté par ordinateur a évolué lentement dans le domaine des ulcères buccaux. L'une des principales raisons de ce retard réside dans le manque de jeux de données accessibles au public. Toutefois, les ulcères buccaux peuvent évoluer vers des lésions cancéreuses, avec un taux de mortalité élevé. La capacité à détecter ces ulcères à un stade précoce de manière rapide et efficace constitue donc une question cruciale. Bien que, ces dernières années, une petite communauté de chercheurs se soit intéressée à ce domaine, les jeux de données utilisés restent généralement privés. Afin de relever ce défi, nous proposons dans cet article un nouveau jeu de données multitâches pour les ulcères buccaux, nommé Autooral, comprenant deux tâches principales : la segmentation des lésions et leur classification. À notre connaissance, nous sommes la première équipe à mettre publiquement à disposition un jeu de données d’ulcères buccaux conçu pour des tâches multitâches. Par ailleurs, nous introduisons un cadre de modélisation original, HF-UNet, dédié à la segmentation des régions lésionnelles des ulcères buccaux. Plus précisément, le module d’interaction à focalisation d’ordre élevé (HFblock) permet d’acquérir des propriétés globales tout en renforçant la détection des propriétés locales grâce à une attention d’ordre élevé. Le module de localisation des lésions (LL-M) proposé utilise un nouveau filtre hybride de Sobel, améliorant ainsi la reconnaissance des contours des ulcères. Les résultats expérimentaux sur le jeu de données Autooral montrent que notre méthode HF-UNet atteint une valeur DSC d’environ 0,80 pour la segmentation des ulcères buccaux, avec une consommation mémoire d’inférence réduite à seulement 2 029 Mo. Cette approche garantit un faible coût de calcul tout en maintenant une haute performance en segmentation. Le jeu de données Autooral et le code source sont disponibles à l’adresse suivante : https://github.com/wurenkai/HF-UNet-and-Autooral-dataset.