Segmentation d’images médicales – des exigences à part

La précision d’un masque ne dépend pas de la patience de celui qui le trace. Elle dépend de la méthode employée, de l’outil disponible et surtout de la question de savoir si le contour recherché existe dans l’image ou s’il relève d’une décision.Cet article expose les techniques. Il prolonge l’article consacré à la segmentation panoptique.

Les quatre méthodes de tracé

Quatre approches produisent un masque de segmentation d’images.Leur rendement diffère fortement.Le tracé polygonal, une suite de sommets que l’annotateur pose le long du contour visé.Le pinceau, qui peint la région directement à la résolution du pixel.La sélection par similarité, qui étend une zone selon un critère de couleur ou de texture.Et la désignation assistée, où un point ou une boîte grossière produit une région complète.Une conséquence pratique importante en découle. Ces quatre méthodes ne se remplacent pas, la plupart des corpus de segmentation d’images étant produits par une combinaison où chacune traite ce qu’elle traite le mieux.

Ce que le polygone permet

Quatre propriétés caractérisent cette méthode de segmentation d’images.Le résultat se modifie facilement, un sommet se déplaçant sans reprendre le tracé.La densité de sommets s’adapte à la complexité locale du contour.Le stockage est compact, quelques dizaines de valeurs décrivant une région entière.Et la précision reste bornée par la distance entre sommets, qui lisse les irrégularités fines.Une observation en découle pour un projet de segmentation d’images. La dernière propriété est un défaut sur les contours découpés et un avantage sur les contours réguliers, ce qui rend cette méthode adaptée aux objets manufacturés et inadaptée à la végétation.

Ce que le pinceau permet

Quatre propriétés le distinguent du polygone.La précision atteint le pixel, aucune interpolation ne lissant le résultat.Les régions non convexes et les trous se traitent naturellement.La correction est locale, une zone se retouchant sans affecter le reste.Et le stockage devient lourd, chaque pixel de l’image devant porter une valeur.Une conséquence pratique s’ensuit. La deuxième propriété est déterminante sur les structures ajourées, un grillage ou un feuillage se peignant alors qu’un polygone ne les décrit qu’au prix d’un contour d’une complexité impraticable.

Ce que la sélection par similarité permet

Trois observations situent cette méthode en segmentation d’images.Elle traite très vite les régions homogènes dont le contraste avec le voisinage est net.Elle échoue sur les transitions progressives, le critère de similarité n’ayant pas de limite naturelle.Et elle produit des débordements que l’annotateur doit reprendre, ce qui annule parfois entièrement le gain.Une observation importante en découle. Ces trois constats font de cette méthode un accélérateur conditionnel, rentable sur les scènes contrastées et coûteuse sur les scènes douces, ce qui impose de la tester sur les données réelles avant de la retenir.

Ce que la désignation assistée change

Quatre effets accompagnent cette méthode de segmentation d’images.La cadence augmente fortement sur les objets bien contrastés et de taille moyenne.Le travail se déplace vers la vérification, la production devenant une validation.Les frontières produites suivent le contraste plutôt que la convention du projet.Et les structures fines sont fréquemment omises, l’assistance lissant tout ce qu’elle ne distingue pas.Une conséquence pratique importante en découle pour un projet de segmentation d’images. Le troisième effet est le plus insidieux, un contour parfaitement ajusté au contraste pouvant contredire la règle de placement retenue sans qu’aucune imprécision ne soit visible.

Choisir la méthode selon le contour

Quatre situations appellent chacune une méthode dominante.Un contour régulier et net appelle le polygone, rapide et compact.Un contour découpé ou ajouré appelle le pinceau, seule méthode praticable.Une grande région homogène très contrastée appelle la sélection par similarité.Et un objet courant bien détaché appelle la désignation assistée, sous réserve d’une vérification.Une observation en découle. Ces quatre situations coexistent dans une même image, ce qui rend le choix d’une méthode unique par projet moins efficace qu’une combinaison décidée classe par classe en segmentation d’images.

Le tracé aux frontières incertaines

Une difficulté échappe à toutes les méthodes de segmentation d’images.Une transition progressive n’a pas de position que la précision de l’outil permettrait d’atteindre.Trois règles de placement coexistent en segmentation d’images.La frontière au début de la transition, qui produit des surfaces minimales.La frontière au milieu, compromis le plus répandu.Et la frontière à la fin de la transition, qui produit des surfaces maximales.Une conséquence pratique importante en découle. Ces trois règles produisent des écarts de surface substantiels sur les objets flous, ce qui les rend déterminantes pour tout usage de mesure et impose de les écrire plutôt que de les laisser à l’appréciation.

Ce que l’outil doit permettre

Six fonctions d’outillage conditionnent la production de masques en segmentation d’images.Le zoom fluide et le déplacement sans changement d’outil, gestes répétés des milliers de fois par jour.Le réglage fin de la largeur du pinceau, y compris à un seul pixel.L’annulation à granularité fine, un geste malheureux pouvant affecter une région entière.Le masquage temporaire des classes déjà tracées, indispensable pour travailler sous une couche existante.L’affichage du contour en superposition sur l’image, plutôt qu’en aplat opaque.Et la conversion entre polygone et masque, qui permet de changer de méthode au milieu d’un tracé.Une conséquence pratique importante en découle. La cinquième fonction est la plus déterminante pour la précision, un aplat opaque masquant exactement la zone que l’annotateur doit examiner pour placer sa frontière.

Les erreurs de tracé caractéristiques

Cinq défauts reviennent dans les corpus de segmentation d’images.Le contour systématiquement intérieur, produit par la prudence de l’annotateur.Le contour en escalier, signature d’un pinceau trop large sur un bord oblique.Les échardes, régions de quelques pixels laissées entre deux zones voisines.Les trous non intentionnels, pixels du fond oubliés à l’intérieur d’un objet.Et les débordements de propagation, une région ayant envahi sa voisine sans que l’annotateur ne le voie.Une observation importante en découle. Le premier défaut est le plus fréquent et le seul qui soit systématique, ce qui le rend détectable par comparaison des surfaces moyennes entre annotateurs plutôt que par examen visuel.

Les structures fines

Cette catégorie d’objets résiste à toutes les méthodes.Câbles, tiges, cheveux et grillages ont une épaisseur proche de la résolution.Quatre difficultés en découlent en segmentation d’images.L’objet occupe partiellement les pixels, aucun n’étant entièrement à lui.Le tracé au pinceau produit une épaisseur exagérée, la largeur minimale de l’outil dépassant celle de l’objet réel.Le polygone est impraticable, le contour comptant autant de sommets que de pixels.Et l’assistance automatique les omet, aucun contraste franc ne les délimitant.Une conséquence pratique s’ensuit pour un projet de segmentation d’images. Ces quatre difficultés justifient une convention explicite pour ces classes, l’inclusion ou l’exclusion des structures fines devant être décidée plutôt que subie.

De quoi la cadence dépend

Quatre facteurs déterminent le temps par région en segmentation d’images.La longueur du contour, facteur dominant que la surface ne prédit pas.La netteté du contour, une transition floue demandant une décision à chaque point.La méthode employée, dont l’adéquation au type de contour pèse davantage que la compétence.Et la fluidité de l’outil, un affichage saccadé rendant tout tracé précis impossible.Une observation en découle. Le troisième facteur produit l’écart le plus important entre équipes, un annotateur formé au choix de méthode traitant plusieurs fois plus vite qu’un annotateur qui emploie le pinceau partout.

Ce que le contrôle vérifie sur le tracé

Cinq vérifications portent spécifiquement sur la qualité des masques.La distribution des surfaces par classe, dont un décalage signale un biais de placement.La présence de régions de quelques pixels, signature d’échardes.La présence de trous non déclarés à l’intérieur des régions.La régularité des contours, un profil en escalier signalant un outil mal réglé.Et la comparaison entre annotateurs, restreinte à une bande étroite autour des frontières.Une conséquence pratique importante en découle. La dernière vérification est la seule qui mesure ce qui compte, un accord calculé sur toute la surface étant dominé par l’intérieur des régions où personne ne se trompe.

Aborder la production des masques

Cinq questions cadrent la production de masques en segmentation d’images.Quels types de contours le corpus contient-il. Cette réponse détermine les méthodes à outiller.Quelle règle de placement s’applique aux transitions floues. Son absence produit une variabilité de surface.Les structures fines font-elles partie du périmètre. Cette réponse appelle une convention dédiée.Les annotateurs sont-ils formés au choix de méthode. Cette réponse conditionne la cadence.Et le contrôle porte-t-il spécifiquement sur les frontières. Son absence laisse passer l’essentiel des défauts de tracé.Ces cinq réponses déterminent la qualité atteignable et son coût. Les poser avant de commencer évite un corpus dont la précision varie selon l’annotateur et la classe.

Ce que ce chapitre enseigne

Une observation transversale mérite de clore cet examen.La précision d’un masque tient à la méthode et à la convention plutôt qu’au soin.Trois constats la composent.Chaque type de contour appelle une méthode différente, et le choix pèse davantage sur la cadence que la compétence de l’annotateur.La règle de placement détermine la surface livrée sur tous les contours flous, ce qui en fait une décision de mesure et non de style.Et le biais de placement intérieur est le seul défaut systématique, donc le seul détectable statistiquement.Ce constat prolonge les chapitres précédents, la frontière restant le lieu où se décide la qualité du corpus.

Les erreurs les plus fréquentes

• Employer une seule méthode de tracé pour tout un corpus.
• Tracer un contour ajouré au polygone plutôt qu’au pinceau.
• Laisser la règle de placement à l’appréciation de chaque annotateur.
• Accepter un contour assisté qui suit le contraste plutôt que la convention.
• Ne pas décider explicitement du sort des structures fines.
• Négliger la formation au choix de méthode.
• Contrôler l’accord sur toute la surface plutôt qu’aux frontières.
• Laisser des échardes entre régions voisines.
• Employer un pinceau trop large sur des bords obliques.
• Confondre imprécision et biais systématique dans le diagnostic.

Former un annotateur au tracé

Six compétences distinguent un annotateur formé au tracé en segmentation d’images.Choisir la méthode selon le contour plutôt qu’employer toujours la même.Travailler à un niveau de zoom adapté, ni trop large ni excessivement rapproché.Appliquer la règle de placement plutôt que suivre le contraste apparent.Vérifier l’absence de trous et d’échardes avant de valider une région.Signaler un cas non couvert plutôt que trancher seul.Et reconnaître les configurations où l’assistance échoue, notamment les structures fines et les transitions douces.Une observation en découle. La deuxième compétence est la moins évidente, un zoom excessif conduisant à un tracé pixel par pixel dont la précision dépasse ce que la convention demande, ce qui consomme un temps considérable sans améliorer le corpus.

L’ordre de tracé dans une image

Une organisation du geste affecte la cadence et la qualité en segmentation d’images.Quatre principes gouvernent cet ordre de tracé.Traiter les grandes régions homogènes en premier, ce qui réduit la surface restante et clarifie l’image.Tracer les frontières entre deux classes une seule fois, la seconde région héritant du contour de la première.Réserver les structures fines et les zones douteuses pour la fin, lorsque le contexte est établi.Et vérifier la couverture complète en dernier lieu, plutôt qu’après chaque région tracée.Une conséquence pratique importante en découle. Le deuxième principe évite le défaut le plus fréquent des corpus exhaustifs, deux annotations indépendantes de la même frontière laissant systématiquement une écharde ou un recouvrement entre elles.

La tolérance de contour

Une notion permet d’exprimer une exigence de précision de façon vérifiable.Elle désigne l’écart admis entre le contour tracé et le contour de référence, exprimé en pixels.Trois usages en découlent en segmentation d’images.Elle traduit une intention de précision en critère mesurable, ce qu’une consigne qualitative ne fait pas.Elle permet de restreindre le calcul d’accord à une bande autour des frontières.Et elle borne le temps passé par région, un annotateur sachant enfin quand s’arrêter.Une observation importante en découle. Le troisième usage est le plus sous-estimé, une exigence non chiffrée conduisant chaque annotateur à décider seul du niveau de finition, ce qui produit une variabilité de cadence supérieure à celle des compétences.

Les configurations qui ralentissent

Cinq situations font chuter la cadence d’un projet de segmentation d’images.Les objets partiellement transparents, dont l’appartenance des pixels de recouvrement est indécidable.Les ombres portées, qui appartiennent au sol ou à l’objet selon une convention.Les reflets, qui reproduisent un objet là où il n’est pas.Les zones surexposées ou sous-exposées, où le contour disparaît dans l’uniformité.Et les objets partiellement hors cadre, dont la limite tracée est celle de l’image et non celle de l’objet.Une conséquence pratique s’ensuit. Ces cinq situations se traitent par convention plutôt que par effort, et leur fréquence dans les données réelles se mesure sur le lot pilote, ce qui permet de chiffrer leur effet avant la production.

Le polygone ou le masque comme livrable

Une décision de format découle en partie de la méthode de tracé.Trois considérations orientent ce choix en segmentation d’images.Un corpus destiné à être corrigé gagne au polygone, dont les sommets se déplacent sans reprendre le tracé.Un corpus contenant des structures ajourées impose le masque, aucun polygone ne décrivant un feuillage.Et un corpus mêlant les deux peut livrer les deux, la conversion du polygone vers le masque étant immédiate alors que l’inverse reste approximative.Une conséquence pratique importante en découle. La troisième considération oriente une décision de prudence, conserver la représentation vectorielle lorsqu’elle existe permettant de régénérer les masques à toute résolution alors qu’un masque seul fige la finesse du corpus.

Mesurer la précision réellement atteinte

Quatre mesures qualifient le tracé effectif d’un corpus de segmentation d’images.L’écart moyen entre deux annotateurs le long des frontières, exprimé en pixels.La proportion de frontières où cet écart dépasse la tolérance retenue.La différence de surface moyenne par classe entre annotateurs, révélatrice d’un biais de placement.Et la répartition de ces écarts par type de contour, qu’il soit net, flou ou ajouré.Une observation importante en découle. La dernière mesure est la plus utile au pilotage, elle montre que la précision atteinte n’est pas une propriété du corpus mais varie fortement selon le contour, ce qui permet de cibler la formation et les conventions là où l’écart est réel.

La question qui cadre l’exigence

Une question détermine le niveau de précision à demander.Le traitement aval mesure-t-il une surface ou reconnaît-il une forme.Une réponse orientée reconnaissance tolère un contour approché, un modèle apprenant la forme générale sans exiger la finesse du pixel.Une réponse orientée mesure impose une tolérance chiffrée et une règle de placement stricte, l’écart de contour se traduisant directement en écart de surface.Cette question se pose en une phrase, elle relève de l’usage et non de la technique, et elle évite la dépense la plus fréquente de ce chapitre, un tracé au pixel produit pour un modèle qui n’en tirera rien.

Trois décisions avant de tracer

Trois décisions engagent la précision d’un corpus de segmentation d’images.Chiffrer la tolérance de contour, qui transforme une intention en critère vérifiable et borne le temps par région.Écrire la règle de placement pour les transitions floues, avant que chaque annotateur n’en adopte une différente.Et associer une méthode de tracé à chaque type de contour, ce qui produit un gain de cadence supérieur à tout changement d’outil.Ces trois décisions coûtent une réunion et une consigne écrite, elles précèdent la première image, et leur absence produit un corpus dont la précision varie selon l’annotateur, la classe et le moment de la journée.

Ce que ce chapitre laisse au suivant

Une évolution récente modifie ce que ce chapitre vient d’exposer.La désignation assistée a considérablement progressé et elle change la répartition du travail.Trois questions en découlent pour un projet de segmentation d’images.Ce que devient le choix de méthode lorsqu’une désignation produit la plupart des régions.Ce que devient la règle de placement lorsque le contour est proposé plutôt que tracé.Et ce que devient le contrôle lorsque l’annotateur valide au lieu de produire.Ces trois questions constituent l’objet du chapitre suivant, qui examine ce que l’assistance change réellement et ce qu’elle laisse intact.

Le lot pilote du tracé

Quatre images éprouvent les méthodes retenues en segmentation d’images.Une image aux contours nets et réguliers, qui fournit la cadence de référence au polygone.Une image contenant une structure ajourée, qui vérifie que le pinceau est disponible et réglable.Une image aux transitions douces, qui éprouve la règle de placement et la tolérance retenue.Et une image contenant des structures fines, qui teste la convention décidée pour ces classes particulières.Une observation en découle. La deuxième image révèle fréquemment un défaut d’outillage plutôt qu’un défaut de méthode, une plateforme sans pinceau fin rendant impraticable une classe entière du référentiel.

Ce qu’il faut retenir

La précision d’un masque dépend de la méthode employée et de la convention retenue davantage que du soin apporté.Trois lectures se dégagent. Chaque type de contour appelle une méthode dominante, régulier pour le polygone, ajouré pour le pinceau, contrasté pour la sélection, et une combinaison décidée classe par classe l’emporte sur un choix unique. La règle de placement dans les transitions floues détermine la surface livrée, ce qui en fait une décision de mesure plutôt qu’une question de style. Et le contour systématiquement intérieur est le seul défaut réellement systématique, ce qui le rend détectable par comparaison des surfaces moyennes entre annotateurs.Pour l’assistance qui transforme ce travail, l’article consacré à Segment Anything et la segmentation assistée examine ce qu’elle change. Pour les cas que ce chapitre a signalés sans les traiter, l’article sur la segmentation des petits objets et des structures fines les développe.Pour approfondir les modalités d’exécution, les formats pris en charge et les dispositifs de contrôle applicables, vous pouvez consulter notre page dédiée à l’annotation 2D et 3D. Et si vous devez produire des masques à forte exigence de précision, échangeons sur votre projet.