Un nouveau modèle hybride basé sur CNN-ViT pour la détection du cancer du sein guidée par fusion à double direction.

L'identification précise et précoce du cancer du sein par mammographie est cruciale pour réduire la mortalité due au cancer du sein, et l'analyse automatisée est difficile en raison des apparences subtiles des lésions, de la densité hétérogène du sein et de la variance causée par la modalité. Les réseaux de neurones convolutifs standard (CNN) excellent dans la capture de textures localisées, tandis que les Vision Transformers (ViT) capturent des dépendances à long terme ; cependant, les deux peinent souvent à produire une représentation unifiée qui soutienne de manière cohérente la prise de décision diagnostique. Pour pallier ces limitations, cette étude présente un cadre à double flux intégrant ConvNeXt pour l'extraction de caractéristiques locales de haute fidélité avec Swin Transformer V2 pour la modélisation du contexte global hiérarchique. Un mécanisme de guidage croisé bidirectionnel (BDCG) est ajouté pour harmoniser les interactions entre les deux domaines de caractéristiques et garantir l'apprentissage de l'information mutuelle dans les représentations. De plus, un Prototype-Anchored Similarity Head (PASH) est utilisé pour stabiliser la classification à l'aide d'un raisonnement basé sur la distance au lieu de la séparation linéaire. Des expériences complètes montrent l'efficacité de la méthode proposée en utilisant deux ensembles de données de référence. Sur l'ensemble de données 1, le modèle atteint une précision de 98,8 %, une précision de 98,7 %, un rappel de 98,6 % et un score F1 de 97,2 %, surpassant les modèles existants basés sur des CNN, ViT et des architectures hybrides, et offrant un temps d'inférence plus court (8,3 ms/image). Sur l'ensemble de données 2, plus hétérogène, le modèle maintient de fortes performances, avec une précision de 97,0 %, une précision de 95,4 %, un rappel de 94,8 % et un score F1 de 95,1 %, démontrant sa résilience face au changement de domaine et à la variabilité de l'imagerie. Ces résultats soulignent la valeur de l'interaction structurelle des caractéristiques multi-échelles et de la classification pilotée par prototype pour une analyse mammographique robuste. La performance cohérente lors des évaluations internes et externes indique le potentiel du cadre proposé à être appliqué de manière fiable dans les systèmes de dépistage assisté par ordinateur.