{"id":288,"date":"2019-01-18T17:29:29","date_gmt":"2019-01-18T16:29:29","guid":{"rendered":"https:\/\/project.inria.fr\/emergences\/?p=288"},"modified":"2020-11-27T17:58:23","modified_gmt":"2020-11-27T16:58:23","slug":"debruitage-plus-rapide-en-microscopie","status":"publish","type":"post","link":"https:\/\/project.inria.fr\/emergences\/debruitage-plus-rapide-en-microscopie\/","title":{"rendered":"D\u00e9bruitage plus rapide en microscopie"},"content":{"rendered":"

Les microscopes \u00e0 fluorescence sont beaucoup utilis\u00e9s en biologie et en m\u00e9decine. Mais les images produites pr\u00e9sentent des imperfections. Elles sont floues et entach\u00e9es de bruit.\u00a0 En collaboration avec la soci\u00e9t\u00e9 Innopsys, une \u00e9quipe du centre Inria Rennes \u2013 Bretagne Atlantique vient de mettre au point une m\u00e9thode de d\u00e9convolution qui permet de r\u00e9duire ce flou et le bruit sur des images de grande taille, en un temps record. Baptis\u00e9 SparsEVolution, le prototype est en cours d’industrialisation.<\/span><\/strong><\/p>\n

L’histoire d\u00e9bute en 2013 avec la th\u00e8se de Ho\u00e0i Nam Nguy\u1ec5n<\/strong> au sein de Serpico<\/a>, une \u00e9quipe de recherche rennaise qui travaille \u00e0 l’am\u00e9lioration des images issues de la microcopie en biologie. \u201cCette th\u00e8se s’est effectu\u00e9e dans un cadre industriel<\/em>, explique Charles Kervrann<\/strong>, responsable de l’\u00e9quipe. Elle a \u00e9t\u00e9 financ\u00e9e par Innopsys<\/a>, une entreprise toulousaine qui con\u00e7oit des scanners pour les puces \u00e0 ADN et \u00e0 pr\u00e9sent pour les micro-matrices de tissus (\u00ab Tissue Microarrays \u00bb (TMA)). Concr\u00e8tement, ce sont de tr\u00e8s grandes images d’environ 20 000 par 80 000 pixels sur lesquelles on observe une matrice dont les \u00e9l\u00e9ments sont des spots, plus ou moins bien align\u00e9s. Chacun de ces spots est lui-m\u00eame une image de l’ordre de 512 par 512 pixels ou 1024 par 1024 pixels. On peut y observer les \u00e9l\u00e9ments internes d’une ou de plusieurs cellules.\u201d<\/em><\/p>\n

\"\"<\/a>

\u00a9 Innopsys – Deux zones d\u2019int\u00e9ret d\u00e9limit\u00e9es par des cases bleues et jaunes ont \u00e9t\u00e9 s\u00e9lectionn\u00e9es pour visualiser et comparer<\/p><\/div>\n

Probl\u00e8me : \u00e0 la sortie des machines, le rendu des images TMA n’est pas forc\u00e9ment optimal. \u201cLa th\u00e8se visait donc \u00e0 am\u00e9liorer leur qualit\u00e9. Le travail \u00e0 r\u00e9aliser a \u00e9t\u00e9 d\u00e9compos\u00e9 en trois parties. Il y a d’abord eu un travail de r\u00e9alignement des spots sur une grille parfaitement orthogonale, afin de faciliter la lecture automatique des images. La deuxi\u00e8me \u00e9tape a consist\u00e9 \u00e0 corriger certains artefacts de construction des images. Le balayage laser, par exemple, produit des lignes de pixels qu’il faut ensuite r\u00e9aligner les unes par rapport aux autres. Et en troisi\u00e8me lieu, nous avons principalement cherch\u00e9 \u00e0 enlever le flou qui peut persister sur les images.\u201d<\/em><\/p>\n

Traitement rapide<\/span><\/p>\n

\"\"<\/a>

\u00a9 Innopsys – \u00c0 gauche : images d’origine. \u00c0 droite : image restaur\u00e9e.
–
Image de fluorescence en trois couleurs de 8 spots TMA. Une zone d’int\u00e9r\u00eat de 4,7 x 2,8 mm2 a \u00e9t\u00e9 balay\u00e9e \u00e0 l’aide du scanner \u00e0 fluorescence InnoScan 1100AL \u00e9quip\u00e9 de trois longueurs d’onde d’excitation (488 nm, 532 nm et 635 nm) avec une r\u00e9solution spatiale de 0,5 microm\u00e8tre \/ pixel, correspondant \u00e0 une image de 9544 x 4704 pixels.<\/p><\/div>\n

Ce troisi\u00e8me volet a permis de mettre au point une m\u00e9thode de d\u00e9convolution innovante qui se distingue par sa rapidit\u00e9 de traitement. \u201cElle peut traiter une image de 512 par 512 pixels en moins d’une seconde et une image de 10 000 par 80 000 en quelques minutes. Cette vitesse est sensiblement la m\u00eame pour les deux versions de notre d\u00e9convolueur d\u00e9velopp\u00e9es simultan\u00e9ment sous MATLAB\u00a0 et en C++.\u201d<\/em><\/p>\n

Dans le prolongement de la th\u00e8se, Inria a lanc\u00e9 une Action de d\u00e9veloppement technologique (ADT) pour permettre l’industrialisation de ce prototype nomm\u00e9 SparsEVolution. Cette initiative finance un poste d’ing\u00e9nieur pendant six mois afin de transformer le logiciel de recherche et d’en faire un outil \u00e0 destination des utilisateurs des machines Innopsys. \u201cIl s’agit d’une licence non exclusive. S’ils le souhaitent, les autres fabricants pourront donc acqu\u00e9rir une licence commerciale.\u201d<\/em><\/p>\n

Un large cadre applicatif<\/span><\/p>\n

Rapide et robuste, la m\u00e9thode mise au point s’av\u00e8re par ailleurs \u201csuffisamment g\u00e9n\u00e9rique pour concerner toute la microscopie de fluorescence au sens large. Elle peut traiter des images de microscopie optique 2D-3D observ\u00e9es avec une r\u00e9solution de 200 nanom\u00e8tres, dans lesquelles on observe soit des amas de cellules, soit des biomol\u00e9cules ou des filaments au sein d\u2019une seule cellule, etc. Nous allons donc d\u00e9passer le cadre applicatif initial.\u201d<\/em><\/p>\n

Autre particularit\u00e9 du logiciel : sa grande flexibilit\u00e9. \u201cSouvent les m\u00e9thodes de d\u00e9convolution supposent que le bruit est gaussien, qu’il est poissonnien, qu’il est Poisson-gaussien. Bref, il faut sp\u00e9cifier ce mod\u00e8le param\u00e9trique. Notre mod\u00e8le est capable de s’adapter sans que l’on ait quoi que ce soit \u00e0 changer.\u201d<\/em> Mais le contr\u00f4le humain reste possible. \u201cSi l’utilisateur souhaite modifier le rendu, il va pouvoir le faire en affinant avec un seul param\u00e8tre.\u201d<\/em>\u00a0 En l’occurrence, il va jouer sur ce que l’on appelle la PSF (Point Spread Function) ou fonction d’\u00e9talement du point qui correspond \u00e0 la diffraction engendr\u00e9e par chaque syst\u00e8me optique. \u201cL’utilisateur peut observer son r\u00e9glage, par exemple, sur une partie de l’image et d\u00e9cider de s’en servir soit pour tout le reste de l’image ou pour toute une s\u00e9rie d’images.\u201d<\/em><\/p>\n

\"\"<\/a>

Image par Arek Socha de Pixabay<\/p><\/div>\n

La m\u00e9thode \u00e9tant tr\u00e8s rapide, les chercheurs y adjoignent des techniques permettant de choisir automatiquement le param\u00e8tre. \u201cNous d\u00e9convoluons l’image plusieurs fois avec des param\u00e8tres diff\u00e9rents. Ensuite, soit nous cr\u00e9ons une image fusionn\u00e9e de toutes ces versions (parce que le param\u00e8tre a \u00e9t\u00e9 tr\u00e8s bon \u00e0 certains endroits et moins \u00e0 d’autres), soit nous calculons un crit\u00e8re global pour choisir la meilleure image dans le lot. Cela \u00e9vite \u00e0 l’utilisateur de devoir passer beaucoup de temps \u00e0 les observer. Le temps de calcul global est donc proportionnel au nombre de PSF d\u00e9cid\u00e9 par l\u2019utilisateur.\u201d\u00a0\u00a0<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Les microscopes \u00e0 fluorescence sont beaucoup utilis\u00e9s en biologie et en m\u00e9decine. Mais les images produites pr\u00e9sentent des imperfections. Elles sont floues et entach\u00e9es de bruit.\u00a0 En collaboration avec la soci\u00e9t\u00e9 Innopsys, une \u00e9quipe du centre Inria Rennes \u2013 Bretagne Atlantique vient de mettre au point une m\u00e9thode de d\u00e9convolution\u2026<\/p>\n

En savoir plus<\/span><\/i><\/a> <\/p>\n","protected":false},"author":1891,"featured_media":295,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[7],"tags":[17],"class_list":["post-288","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-recherche","tag-17"],"_links":{"self":[{"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/posts\/288","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/users\/1891"}],"replies":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/comments?post=288"}],"version-history":[{"count":1,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/posts\/288\/revisions"}],"predecessor-version":[{"id":296,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/posts\/288\/revisions\/296"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/media\/295"}],"wp:attachment":[{"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/media?parent=288"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/categories?post=288"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/project.inria.fr\/emergences\/wp-json\/wp\/v2\/tags?post=288"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}