Cet article propose DS²Net, un nouveau réseau supervisé profond pour la segmentation d'images médicales. Contrairement aux études précédentes qui supervisaient soit des caractéristiques fines de bas niveau, soit des caractéristiques sémantiques de haut niveau, DS²Net supervise simultanément ces deux types de caractéristiques grâce à un module d'amélioration des caractéristiques fines (DEM) et un module d'amélioration des caractéristiques sémantiques (SEM). Le DEM et le SEM utilisent respectivement des cartes de caractéristiques de bas niveau et de haut niveau pour générer des masques fins et sémantiques, améliorant ainsi la supervision des caractéristiques. De plus, nous introduisons une perte de supervision basée sur l'incertitude afin d'allouer de manière adaptative la puissance de supervision aux caractéristiques à chaque échelle, relevant ainsi les défis de conception heuristique inefficaces des études précédentes. Grâce à des expériences approfondies sur six images médicales de référence, dont des images de coloscopie, d'échographie et de microscopie, nous démontrons que DS²Net surpasse les méthodes de pointe.
