Les images médicales sont des cartes de densité des tissus. La luminosité de chaque point indique ce qui se trouve à cet endroit, un peu comme la photométrie mesure l'intensité de la lumière. Mais les algorithmes habituels analysent les points individuellement, ce qui donne des contours d'organes en zigzag.
La nouvelle approche force le programme à penser en termes de fluidité. Une règle géométrique a été intégrée à l'apprentissage : le contour doit être non seulement correct, mais aussi lisse. Cela reproduit le comportement de l'eau — une goutte prend toujours la forme à surface minimale, cherchant à minimiser l'énergie, un peu comme la diminution de l'entropie dans les systèmes physiques.
Les expériences sur des images du foie et de la rate ont confirmé : la précision a augmenté. Des contours nets simplifient le diagnostic, la planification des opérations et l'apprentissage des robots médicaux. Il est surprenant qu'une simple contrainte géométrique ait amélioré la qualité de reconnaissance plus que l'ajout de milliers de nouvelles images à l'ensemble d'entraînement.
En apesanteur, une goutte d'eau devient naturellement une sphère parfaite — c'est ce principe d'auto-assemblage qui a inspiré les créateurs de l'algorithme.
Les scanners futuristes de « Star Trek » sont un peu plus proches : les algorithmes adoptent la géométrie de la goutte.