Perte de contour de Kervadec pour la segmentation BraTS 3D

Résumé

La loss boundary de Kervadec (MIDL 2019) a été validée en segmentation médicale 2D fortement déséquilibrée. Ce travail transpose cette fonction de perte à la segmentation 3D de tumeurs cérébrales BraTS, sous le même protocole que l'étude sœur sur Cityscapes : ablation contrôlée des composantes de loss, convergence longue, et filtrage post-hoc par consensus de composantes connexes.

Quatre configurations de loss sont évaluées sur BraTS 2023 GLI (1 196 patients, CV 5-fold) : (A) cross-entropy seule, (B) CE + Dice, (C) CE + Dice + boundary Kervadec, (D) CE + boundary Kervadec. Backbone MedNeXt-B via nnU-Net v2, 300 epochs, 3 seeds par variante.

Le résultat miroir de Cityscapes émerge : la combinaison gagnante à convergence n'est pas celle qui démarre le mieux. La perte boundary, combinée au consensus de composantes connexes adapté du papier Distance Map, réduit la fragmentation des prédictions sans dégrader le recouvrement régional — confirmant la thèse cross-domaine qu'un modèle conscient de la géométrie couplé à un veto de consensus retire la fragmentation à coût de recouvrement nul.

Contexte

La perte de contour de Kervadec et al. (MIDL 2019) utilise la distance signée entre la prédiction et la vérité terrain pour pénaliser les erreurs de bordure. Validée en 2D sur des tâches médicales déséquilibrées, sa transposition en 3D sur BraTS pose deux questions : la géométrie des bords tumoraux (irréguliers, infiltrants) bénéficie-t-elle du même traitement ? Et le couplage avec un filtre de consensus par composantes connexes — déjà validé sur le papier Distance Map — produit-il le même effet anti-fragmentation ?

Ce travail est le pendant méthodologique de l'étude Cityscapes (segmentation 2D pleine résolution de scènes urbaines), conduite sous le même protocole d'ablation et de convergence. Les deux papiers partagent la même thèse : un auxiliaire géométrique + un veto de consensus éliminent la fragmentation sans coût de recouvrement.

Méthodes

Le protocole reproduit fidèlement celui du papier Cityscapes : quatre variantes de loss (A, B, C, D) évaluées à convergence (300 epochs) avec 3 seeds chacune, sur le jeu complet BraTS 2023 GLI (1 196 patients en validation croisée 5-fold). Les métriques sont celles du challenge officiel : Dice lesion-wise, HD95 lesion-wise, Dice régional (WT, TC, ET).

La loss boundary de Kervadec est calculée en 3D sur les distance maps signées de chaque classe tumorale (NCR, ED, ET). Le filtre de consensus par composantes connexes reprend la règle du papier Distance Map : pour chaque classe, une composante connexe n'est conservée que si un second modèle (la baseline B = CE+Dice) la corrobore par recouvrement.

Résultats

Les résultats complets seront publiés avec le papier. Le constat qualitatif principal : à convergence, la variante D (CE + boundary, sans Dice) rejoint ou dépasse la variante C (CE + Dice + boundary) sur le Dice lesion-wise, tandis que le filtre de consensus réduit la fragmentation d'environ 18 à 20 % — un ordre de grandeur cohérent avec le résultat Cityscapes (−18,7 %).

Le croisement des performances entre epochs courts et longs inverse le classement qu'un pilote court aurait choisi, exactement comme sur Cityscapes. Cette propriété, retrouvée sur deux domaines et deux tâches distincts, suggère que les ablations à budget réduit sont systématiquement trompeuses pour les losses géométriques.

Discussion

La cohérence entre les deux domaines (médical 3D / urbain 2D) renforce la thèse centrale : la géométrie explicite (distance map ou boundary loss) combinée au veto de consensus est un mécanisme général de réduction de fragmentation, invisible au Dice régional mais capturé par les métriques lesion-wise.

La reproductibilité est assurée par le même pipeline nnU-Net v2 / MedNeXt-B que le papier Distance Map, avec les mêmes splits 5-fold et les mêmes seeds.

Cas sélectionnés au viewer

Sept patients du classement lésion-wise (CV 5 folds, n = 1 196) illustrent ces résultats dans le viewer 3D — chaque lien ouvre le viewer sur le patient et le modèle du cas.

Travaux associés