Architectures validées

Cette page présente uniquement les architectures LBMNet qui ont été implémentées, évaluées expérimentalement ou décrites de manière formelle dans nos travaux de recherche.

Chaque architecture présentée est accompagnée de son domaine d'application, de sa configuration de réseau (lattice), de son état d'implémentation, de ses résultats expérimentaux et des ressources de recherche disponibles.

Les architectures encore en cours de développement sont clairement identifiées comme expérimentales et ne sont pas présentées comme des modèles validés.

1. U- LBMNet: 3D Medical Image Segmentation

U-LBMNet est une architecture tridimensionnelle encodeur-décodeur inspirée par la physique, conçue pour la segmentation volumique d'images médicales. Inspiré de l'architecture en U et de la méthode de Boltzmann sur réseau (Lattice Boltzmann Method, LBM), ce modèle intègre des opérateurs de collision et de propagation (streaming) entraînables au sein d'un cadre hiérarchique multi-échelle afin d'extraire avec précision les structures anatomiques à partir d'images médicales volumiques.

L'encodeur capture progressivement les informations contextuelles locales et globales, tandis que le décodeur reconstruit des cartes de segmentation haute résolution grâce à des connexions de saut (skip connections) qui préservent les détails spatiaux les plus fins.
Contrairement aux réseaux convolutifs 3D conventionnels, U-LBMNet intègre une propagation des caractéristiques basée sur le réseau (lattice), des transformations de moments et un flux d'information inspiré par la physique afin d'améliorer la représentation des caractéristiques et la cohérence spatiale tout au long du processus de segmentation.

Cette conception permet un apprentissage efficace de structures anatomiques tridimensionnelles complexes tout en maintenant une efficacité de calcul et une robustesse élevées.
The architecture is suitable for a wide range of volumetric imaging modalities, including Computed Tomography (CT), Magnetic Resonance Imaging (MRI), Cone-Beam CT (CBCT), and three-dimensional ultrasound. Typical applications include organ segmentation, tumor delineation, lesion detection, vessel segmentation, radiotherapy planning, surgical navigation, disease monitoring, and computer-assisted diagnosis.
L'architecture est adaptée à une large gamme de modalités d'imagerie volumique, notamment la tomodensitométrie (CT), l'imagerie par résonance magnétique (IRM), la tomodensitométrie à faisceau conique (CBCT) et l'échographie tridimensionnelle. Ses applications typiques comprennent la segmentation d'organes, la délinéation de tumeurs, la détection de lésions, la segmentation des vaisseaux, la planification de la radiothérapie, la navigation chirurgicale, le suivi des maladies et le diagnostic assisté par ordinateur.

Classe GT : 1 | Classe prédite : 1 | Probabilités [sans tumeur, tumeur] : [0,06287 ; 0,93713] | Voxels de la tumeur (GT) : 111 724 | Voxels de la tumeur prédits : 115 862 | Dice : 0,848 | IoU : 0,736

Classe GT : 1 | Classe prédite : 1 | Probabilités [sans tumeur, tumeur] : [0,06143 ; 0,93857] | Voxels de la tumeur (GT) : 120 660 | Voxels de la tumeur prédits : 116 534 | Dice : 0,938 | IoU : 0,882

More Architecture