Portail IP   bandeau_genéral
imprimer
Imprimer
     Analyse d'Images Quantitative - URA CNRS 2582


  Responsable : Olivo-Marin Jean-Christophe (jcolivo@pasteur.fr)


  resume

 

L'unité d'Analyse d'Images Quantitative met au point des méthodes et des programmes de traitement d'images ciblés pour l'imagerie microscopique et visant à assurer une quantification automatique des images de microscopie biologique. Nos thèmes de recherche principaux sont l'analyse de la motilité et du changement de forme d'objets biologiques en mouvement, la poursuite et la trajectographie de spots fluorescents en microscopie dynamique, la quantification de fluorescence et l'analyse d'images couleur.



  rapport

cale

Analyse de mouvement et de forme (C. Zimmer, L. AitAlil, B. Zhang, J.-C. Olivo-Marin)

Nous avons poursuivi l'amélioration de nos algorithmes de segmentation et suivi temporel de cellules fondés sur les contours actifs. Dans un premier temps, nous avons rendu possible le suivi des cellules dans des images fortement bruitées grâce à l'utilisation des informations de région, en complément de l'information du gradient de l'image. Un pas important a ensuite été franchi par l'adoption de l'approche des courbes de niveaux, en complément de l'approche paramétrique poursuivie jusque-là. Cette méthodologie permet une automatisation totale, car l'on peut détecter des cellules en nombre quelconque et l'utilisateur est dispensé de définir les contours sur la première image. L'approche des courbes de niveaux nous a également permis d'implémenter un premier outil de segmentation volumique pour des données en 3D, qui devra cependant être considérablement optimisé pour être opérationnel. Nous avons proposé une technique originale de couplage entre fonctions de courbes de niveaux multiples afin de maintenir séparées les contours de cellules en contact. Enfin, nous avons entamé un travail consistant à introduire des connaissances a priori sur la forme des contours dans l'approche de segmentation par contours actifs. En collaboration avec le groupe de Nancy Guillén (BCP), nous avons calculé et analysé les trajectoires d'amibes E. histolytica dans des expériences de chimiotaxie. Ces analyses ont permis la mise en évidence d'un effet chimiocinétique. En collaboration avec Freddy Frischknecht (BGP, R. Ménard), nous avons analysé le mouvement intermittent de sporozoïtesPlasmodium falciparum dans le conduit salivaire du moustique.

Tracking et trajectographie de taches dans des images de microscopie dynamique (A. Genovesio, B. Zhang, J.-C. Olivo-Marin)

Notre objectif est d'établir la carte des trajectoires des objets marqués par fluorescence dans des scènes de vidéo microscopie. Ces données obtenues de manière automatiques peuvent par la suite être analysées pour en extraire des informations spatio-temporelles de nature statistique, telles que la classification par type de mouvement ou la co-localisation, ou encore de nature dynamique telle que la vitesse ou le déplacement. Les trois étapes de la méthode mise au point pour établir la trajectographie d'objets fluorescents dans des séquences de vidéo microscopie sont : 1) détection des objets, 2) prédiction sur chaque image de l'état de chaque objet, 3) association globale entre prédictions et observation sur la nouvelle image.

Analyse de taches dans des images d'immunofluorescence (B. Zhang, L. Pénard, A. Genovesio, J.-C. Olivo-Marin)

La quantification d'images en immunofluorescence requiert soit la détection et le comptage automatiques de taches (spots) qui sont superposées à des objets biologiques, le plus souvent sur un arrière-plan d'aspect variable, soit la délimitation de compartiments cellulaires de dimensions plus importantes. Pour analyser ces images de manière quantitative, rapide et reproductible, nous avons développé des méthodes de détection et de caractérisation de taches. D'un point de vue algorithmique, le problème de la détection de taches est abordé sous l'angle d'un processus de génération et de recombinaison d'éléments de réponses multi-résolutions. L'étape de génération consiste à ne garder, à chaque niveau d'une représentation en ondelettes, que les réponses significatives du filtre détail à support local, après seuillage adaptatif. L'étape de recombinaison est effectuée en calculant, pour chaque position spatiale dans l'image, un coefficient de corrélation locale des coefficients d'ondelettes pré-filtrés. Cette méthode permet la détection de taches aussi bien dans des images 2D que dans l'espace 3D.

Segmentation d'images couleur en cytologie (E. Glory, V. Meas-Yedid, J.-C. Olivo-Marin)

Dans le but caractériser l'influence des conditions de culture sur la croissance des myoblastes humains, une plate-forme d'analyse automatique d'images a été développée. L'acquisition des images est réalisée par un logiciel qui contrôle le microscope inversé, la platine motorisé et la camera couleur. Les images couleur sont segmentées par un algorithme (breveté) simple qui quantifie de manière automatique et objective le nombre de cellules. Ensuite, les données sont traitées pour évaluer les caractéristiques de croissance de la population cellulaire (temps de doublement, taille et morphologie des noyaux). Cet outil est fonctionnel puisqu'il a déjà analysé plus de 75000 images, caractérisant ainsi quelques 400 conditions de culture.

Segmentation d'images couleur en hystologie (V. Meas-Yedid, E. Glory, J.-C. Olivo-Marin)

Pour permettre de caractériser les images histopathologiques présentant différentes colorations, nous avons implémenté une méthode d'analyse d'images couleur. La méthode retenue pour ses performances (qualité/rapidité) est l'algorithme de quantification de Brun consistant à réduire le nombre de couleurs et à les regrouper selon la moyenne la plus proche à l'aide d'une approche découpe-fusion dans un espace des couleurs, choisi. Nous avons ainsi défini un critère qui permet de sélectionner le meilleur espace couleur en fonction de la coloration utilisée. Cette méthode a été appliquée avec succès sur deux études : la quantification de cellules immunitaires dans le foie de souris infectées par l'hépatite B et la quantification de la fibrose interstitielle de biopsie de rein transplanté. Dans la première étude, comme les cellules immunitaires sont marquées en rouge, nous avons calculé la surface totale des pixels rouges sur la surface totale du foie pour caractériser la réponse immunitaire. Ce travail est fait en collaboration avec Hôpital Necker à Paris. l'Dans la seconde étude, après extraction de tous les pixels verts, nous ne conservons que les pixels constitutifs de la fibrose, en supprimant les autres éléments vert : la membrane basale, la capsule, la médulaire, et les glomérules. Ces derniers sont identifiés à l'aide de critères de couleur (vert plus intense), de formes et de position. Le rapport de la surface de fibrose interstitielle sur la surface de biopsie est calculé comme index de fibrose interstitielle. Les résultats obtenus sont en accord avec les valeurs fournies par un expert. Ce project est réalisé dans le cadre du PTR Analyse d'image quantitative du greffon renal avec Dr E. Morélon (service de transplantation rénale de l' Hôpital Necker à Paris).

Mots-clés: Traitement d’images, mouvement, forme, microscopie, analyse d’image couleur, contours actifs, level sets , ondelettes, filtre de Kalman, filtres probabilistes d’association de données



  publications

puce Toutes les publications 2003 sur notre base de données


  personnel

  Secrétariat Chercheurs Stagiaires Autre personnel
  Isabelle DULIEU, IP, idulieu@pasteur.fr Christophe ZIMMER, IP, chargé de recherches, czimmer@pasteur.fr Estelle GLORY, Doctorante

Auguste GENOVESIO, Doctorant

Lionel PENARD, DEA IARFA

Laure AITALI, DEA MVA

Bo ZHANG, ENST Paris

Ziad BELHASSINE, ENST Paris

Joel LEDUIGOU, DESS Imagerie Electronique

Rapports d'activité 2003 - Institut Pasteur
filet

Debut de Page recherche Portail Institut Pasteur

En cas de problèmes, de remarques, ou de questions concernant cette page Web écrire à rescom@pasteur.fr