Un résultat récent résume l’état du domaine mieux qu’un long exposé. Sur la segmentation de régions abdominales au scanner, une étude rapporte un score de Dice global de 0,82 pour un modèle automatique, approchant l’accord inter-observateurs de 0,88 mesuré entre experts sur la même tâche.
Deux enseignements s’y trouvent. Le premier est que la performance automatique s’approche désormais de celle des humains sur certaines tâches. Le second, plus important, est que la référence humaine n’est pas parfaite : 0,88 signifie que deux experts délimitant la même structure ne s’accordent pas totalement. Cette borne conditionne tout ce qu’un projet de segmentation peut espérer, et elle est trop rarement mesurée avant de fixer un objectif.
Ce guide couvre l’ensemble du domaine : ce que la segmentation produit, les modalités et leurs contraintes, les conventions de délimitation, les métriques, la place de l’assistance automatique et l’organisation du travail. Il sert de point d’entrée à un ensemble d’articles traitant chacun d’un aspect en détail.
Ce que produit une segmentation d’images médicales
Segmenter consiste à attribuer à chaque pixel ou voxel une étiquette de structure. Le résultat est un masque superposable à l’examen, à partir duquel on calcule une grandeur physique.La différence avec la détection
Une détection dit seulement où se trouve une structure ; une segmentation dit exactement quelle est son étendue. Cette différence n’est pas de degré mais de nature, car seule la seconde permet de calculer un volume, une surface, une distance à une autre structure ou une évolution quantitative. Si l’usage clinique visé mobilise une mesure, aucune primitive plus légère ne suffit.Les usages en aval
Quatre familles d’usage se rencontrent en pratique, et elles n’appellent pas la même exigence. La quantification, volumétrie d’organe ou de lésion, tolère une imprécision de frontière que le volume moyenne. Le suivi d’évolution demande surtout de la reproductibilité entre deux examens, la précision absolue important moins que la constance. La planification thérapeutique, radiothérapie ou chirurgie, exige une précision de surface car le masque définit une zone à traiter ou à épargner. Et la modélisation géométrique, pour l’impression ou la simulation, ajoute des contraintes de validité topologique. Établir cet usage avant de rédiger le protocole évite de sur-spécifier un travail qui n’en a pas besoin, ce qui est l’erreur de cadrage la plus coûteuse du domaine.Les modalités et leurs contraintes
Chaque modalité impose à la segmentation d’images médicales ses propres difficultés, et un protocole ne se transpose pas de l’une à l’autre.Le scanner
C’est la modalité la plus standardisée du domaine, avec des valeurs de densité exprimées sur une échelle physique reproductible d’un appareil à l’autre. Cette propriété rend possible un seuillage efficace sur l’os, la graisse ou les structures opacifiées. Le piège est de croire que la standardisation dispense de conventions : deux examens acquis à des phases d’injection différentes présentent des rehaussements distincts, et le protocole doit préciser sur quelle phase le contour fait foi.L’imagerie par résonance magnétique
L’intensité du signal n’y a pas de valeur absolue : elle dépend de la séquence, des réglages et de l’appareil. Un seuillage y est donc inopérant, et l’interprétation d’une structure dépend de la comparaison entre plusieurs séries. Le protocole doit indiquer sur quelle séquence le contour fait foi et comment traiter les cas où les séries divergent.L’échographie
Opérateur dépendante, elle produit des images dont la qualité varie fortement et où des artefacts sont fréquents. Une part significative des acquisitions est inexploitable, ce qui rend indispensable une classe de rejet explicite avec des critères écrits. C’est la modalité où la question de la validité de l’image se pose autant que celle de la délimitation.L’histopathologie et la microscopie
L’échelle y change tout : une lame numérisée atteint plusieurs gigapixels, ce qui interdit une segmentation exhaustive et impose une stratégie d’échantillonnage. La variabilité de coloration entre laboratoires y joue le rôle que joue la variabilité d’appareil ailleurs.Deux dimensions ou trois
C’est l’arbitrage le plus structurant d’un projet de segmentation d’images médicales, et il se décide au cadrage. Une segmentation bidimensionnelle traite chaque coupe de façon indépendante. Elle est plus rapide, plus simple à outiller et suffisante lorsque la mesure recherchée est planaire. Sa faiblesse est l’incohérence longitudinale : des contours parfaits sur chaque coupe peuvent produire une surface en escalier, visible uniquement en reconstruction sagittale ou coronale. Une segmentation tridimensionnelle raisonne sur le volume entier. Elle garantit la cohérence spatiale, permet le calcul volumique direct et exploite le contexte des coupes voisines. Son coût est nettement supérieur et elle exige des outils adaptés. Un troisième régime existe et il est souvent le bon : l’annotation en deux dimensions avec contrôle en trois. L’annotateur travaille coupe par coupe, ce qui reste le geste le plus efficace, mais la validation impose une relecture dans les trois plans. Ce dispositif capture l’essentiel du bénéfice tridimensionnel pour une fraction du surcoût.Les conventions de délimitation en segmentation d’images médicales
Ce sont elles qui font la cohérence d’un corpus, et leur absence produit une variabilité que les métriques globales ne détectent pas.La définition anatomique
C’est le point de départ de toute convention et le plus souvent expédié. Nommer une structure ne la définit pas. Pour un rein : inclut-on le bassinet, la graisse du sinus, l’artère jusqu’où, les kystes corticaux. Ces questions paraissent triviales tant qu’elles ne sont pas posées et deviennent des sources de désaccord massif dès la production. Chaque définition doit s’accompagner d’exemples visuels couvrant un cas standard, un cas limite inclus et un cas limite exclu.La frontière progressive
Beaucoup de structures anatomiques n’ont pas de limite nette. Une lésion infiltrante s’atténue, un œdème périlésionnel entoure une tumeur, un organe se confond avec un tissu voisin de densité proche. Le protocole doit dire où s’arrêter, par un critère explicite plutôt que par une appréciation.L’effet de volume partiel
À la limite d’une structure, un voxel contient partiellement deux tissus. Faut-il l’inclure ? La convention retenue, inclure tout voxel majoritairement occupé ou seulement ceux entièrement contenus, change systématiquement le volume mesuré, dans un sens constant. Cette règle doit être écrite, sans quoi les volumes ne sont pas comparables entre annotateurs.Les structures multiples et les cavités
Une lésion nécrosée comporte-t-elle son centre non viable ? Un organe creux inclut-il sa lumière ? Ces questions déterminent directement la grandeur mesurée, et leur réponse dépend de l’usage clinique. Les traiter par des exemples plutôt que par un énoncé abstrait réduit considérablement les désaccords.Les métriques et leurs pièges
Le coefficient de Dice domine la segmentation d’images médicales, et cette domination est un problème autant qu’une commodité. Il mesure le recouvrement entre deux masques et il est dominé par le cœur de la structure. Sur un organe volumineux, une frontière fausse de deux millimètres sur toute la circonférence dégrade à peine le score. Sur une petite structure, un décalage minime l’effondre. Comparer des structures de tailles différentes par le Dice n’a donc pas de sens : l’écart mesuré reflète la géométrie autant que la difficulté. Deux métriques complémentaires corrigent cette distorsion. La distance de Hausdorff au 95e centile capture l’écart maximal de frontière et révèle les erreurs locales que le Dice moyenne. Le Dice de surface mesure la proportion de frontière située dans une tolérance donnée, ce qui correspond mieux à la perception clinique. La revue de référence du domaine formule d’ailleurs un avertissement plus général : la fiabilité des performances rapportées en segmentation d’images médicales dépend largement de la qualité des annotations et de la vérité terrain clinique employée, la variabilité inter-évaluateurs constituant un problème inévitable, particulièrement sur les lésions à frontières ambiguës et les structures anatomiques à faible contraste.La borne humaine
Ce point mérite un traitement séparé car il conditionne tout objectif de performance en segmentation d’images médicales. Aucune référence construite à partir d’annotations humaines n’est jamais plus cohérente que les humains qui l’ont produite. Si deux experts s’accordent à 0,88 sur une structure, exiger d’un modèle un Dice de 0,95 revient à lui demander de reproduire les idiosyncrasies d’un annotateur particulier plutôt que d’apprendre l’anatomie. La conséquence pratique est qu’établir cette borne fait partie du lot pilote. Faire segmenter le même sous-ensemble par deux experts indépendants et mesurer leur accord structure par structure coûte quelques jours et évite de contractualiser un objectif inatteignable par construction. C’est aussi l’information la plus utile pour situer honnêtement une performance : un modèle à 0,82 face à une borne à 0,88 est un bon modèle, alors que le même chiffre présenté seul paraît médiocre.L’assistance automatique et ses limites
Les modèles généralistes ont transformé l’économie de la segmentation d’images médicales, et il vaut la peine d’être précis sur ce qu’ils apportent réellement. Sur les organes bien contrastés, le gain est considérable et la pré-segmentation suivie de correction est aujourd’hui la stratégie par défaut. Sur les lésions, les petites structures et les frontières ambiguës, le gain se réduit fortement, ce qui limite l’économie attendue puisque l’automatisation absorbe le travail facile et laisse le travail cher. Une limite est particulièrement instructive. Une étude sur l’usage d’un modèle généraliste pour produire des annotations à moindre coût conclut que bien que les annotations générées présentent des scores de Dice élevés par coupe comparées à la vérité terrain, les modèles entraînés dessus performent significativement moins bien, cette différence tenant à ce que le modèle est conçu pour la segmentation bidimensionnelle et produit donc un manque de relations spatiales en trois dimensions et une mauvaise connectivité entre coupes. Autrement dit, une pré-annotation peut sembler bonne coupe par coupe et produire un corpus dégradé, l’erreur ne se voyant qu’en volume. C’est une raison supplémentaire de contrôler en trois dimensions ce qui a été annoté en deux. S’y ajoute l’effet d’ancrage déjà connu : face à une proposition d’apparence plausible, un annotateur valide plus facilement qu’il ne corrige. La contre-mesure consiste à réserver une fraction du corpus à un travail sans assistance et à comparer les deux populations.L’organisation du travail
La répartition des rôles détermine la viabilité économique d’un projet de segmentation d’images médicales. Le contourage d’organes sains à géométrie stable relève d’une décision perceptive et conventionnelle : il se délègue efficacement à des annotateurs formés, à condition que la formation initiale soit sérieuse et adossée à un référentiel de cas commentés. La qualification d’une anomalie, la décision d’inclure une variante anatomique et l’arbitrage des cas limites relèvent du clinicien. Traiter le radiologue comme un point d’arbitrage plutôt que comme une force de production est ce qui rend soutenable un corpus de plusieurs milliers d’examens. Le dimensionner correctement suppose de compter non pas les examens mais les décisions qui lui reviennent, ce qui donne un ordre de grandeur très différent. Un mode de travail particulièrement efficace en segmentation d’images médicales consiste à faire intervenir le clinicien en amont pour définir et qualifier, l’équipe d’annotation à traiter le contourage, et le clinicien à revenir en arbitrage sur les cas remontés puis en validation finale sur un échantillon.Les formats et la chaîne technique
La dimension technique d’une segmentation d’images médicales est souvent sous-estimée au cadrage alors qu’elle conditionne la faisabilité et le coût d’intégration. L’examen sort du service d’imagerie dans le format standard de l’imagerie clinique, porteur des informations géométriques indispensables : espacement entre pixels, épaisseur et espacement des coupes, position et orientation dans le référentiel patient. La plupart des chaînes de segmentation convertissent ensuite vers un format pivot plus léger, ce qui simplifie la manipulation mais fait disparaître les paramètres d’acquisition. Les masques produits se livrent sous trois formes. Le volume d’étiquettes, un fichier de mêmes dimensions que l’examen où chaque voxel porte l’indice de sa classe, est le plus direct à consommer pour l’entraînement. L’objet de segmentation du standard clinique réintègre le masque dans l’écosystème hospitalier et conserve le lien vers l’examen source. Les formats de contours, historiquement liés à la radiothérapie, constituent une troisième voie. L’erreur la plus coûteuse d’une chaîne de segmentation d’images médicales ne porte presque jamais sur la qualité du tracé mais sur la géométrie : inversion d’orientation, décalage d’origine, perte de l’espacement inter-coupes. Un masque parfait mais mal aligné est un masque perdu. La parade est un test d’aller-retour sur une dizaine de cas avant l’ouverture de la production.Le contrôle qualité d’une segmentation d’images médicales
Trois mécanismes se combinent et leur intensité se règle selon le niveau visé. La relecture dans les trois plans est le contrôle le plus spécifique au domaine. Une segmentation réalisée en axial peut être incohérente en sagittal, et cette incohérence est invisible sur la vue de travail. Elle doit être systématique avant validation, y compris lorsque le tracé a été réalisé exclusivement dans un plan. La double lecture avec arbitrage se concentre sur les structures à faible accord identifiées pendant le pilote, plutôt que d’être appliquée uniformément. Doubler partout revient à dépenser sur les organes faciles et à sous-traiter les lésions difficiles. L’insertion de cas de référence dans le flux normal mesure la dérive individuelle. Sur une tâche longue et répétitive, cette dérive est réelle et progressive, et elle passe sous les seuils d’alerte tant qu’on ne la cherche pas. Dans tous les cas, les métriques doivent se rapporter structure par structure. Un Dice moyen sur un corpus multi-organes est dominé par les grosses structures et masque un effondrement sur les petites, qui sont souvent les plus critiques.Le coût et ce qui le gouverne
Quatre variables expliquent l’essentiel de la dispersion entre projets de segmentation d’images médicales. La dimensionnalité vient en premier : un volume en coupes fines représente des centaines de contours là où une image en produit un. Le nombre de structures multiplie le travail par examen et complique le protocole. La difficulté de frontière détermine la part du travail qui ne peut pas être automatisée, et elle varie d’un facteur important entre un foie et une lésion infiltrante. Enfin, le niveau de contrôle exigé, qui découle de l’usage clinique et du caractère régulé ou non du projet. La méthode d’estimation utile consiste à chronométrer le travail sur un lot pilote structure par structure, sur des cas représentatifs incluant les difficiles, plutôt qu’à appliquer un temps moyen. L’écart entre un examen normal et un examen pathologique complexe atteint couramment un facteur cinq, ce qu’une moyenne masque entièrement.Le cadre réglementaire
Un corpus de segmentation d’images médicales destiné à un dispositif médical entre dans un régime documentaire qu’il vaut mieux connaître au cadrage. Deux exigences pèsent directement sur l’annotation. La traçabilité, à savoir qui a segmenté quoi, sous quelle version du protocole et avec quel contrôle, devient un livrable exigible plutôt qu’un sous-produit. Et la démonstration de qualité des données d’entraînement, qui suppose de conserver les métriques de contrôle ventilées et le journal des arbitrages. S’y ajoute une exigence de séparation des jeux qui prend en segmentation d’images médicales une forme particulière : la séparation entre entraînement et évaluation doit être opérée au niveau du patient et non de la coupe ni même de l’examen. Des coupes d’un même volume réparties entre les deux ensembles produisent une performance surestimée qu’aucune analyse ultérieure ne corrige, et c’est une erreur fréquente parce que le découpage en coupes rend la faute peu visible.Les erreurs les plus fréquentes
- Fixer un objectif de performance sans avoir mesuré l’accord inter-experts.
- Rapporter un Dice moyen sur un corpus multi-structures.
- Comparer des structures de tailles différentes par le seul recouvrement.
- Ne pas écrire la convention de volume partiel, ce qui rend les volumes incomparables.
- Segmenter en deux dimensions sans jamais relire dans les trois plans.
- Transposer un protocole d’une modalité à une autre.
- Attendre d’une pré-annotation bidimensionnelle une cohérence volumique.
- Confier l’intégralité du contourage à des cliniciens surchargés.
- Sur-spécifier la précision au delà de ce que l’usage clinique demande.
- Estimer le coût sur un temps moyen plutôt que par structure et par niveau de difficulté.
- Séparer les jeux au niveau de la coupe plutôt qu’au niveau du patient.
