Déconvolution adaptative en microscopie tridimensionnelle de fluorescence

Adaptative Deconvolution Applied To Tridimentional Fluorescence Microscopy

• Auteur / Autrice : Bruno Colicchio
• Direction : Serge Jacquey
• Type : Thèse de doctorat
• Discipline(s) : Électronique, électrotechnique, automatisme
• Date : Soutenance en 2004
• Etablissement(s) : Mulhouse

Mots clés

Mots clés contrôlés

Monte-Carlo, Méthode de

Spectroscopie -- Déconvolution

Résumé

Le microscope de fluorescence a pris une place importante pour l’étude du fonctionnement des cellules vivantes. Cependant, les données acquises ne sont pas directement exploitables en vu de mesures quantitatives car ces données subissent des distorsions. Une déconvolution est une solution au probl`eme. Des méthodes ont été proposées, mais requi`erent des connaissances de l’utilisateur pour le réglage de param`etres qui sont critiques, car ce probl`eme inverse est ’mal posé’ et une étape de régularisation est nécessaire. La premi`ere partie propose une automatisation du choix des param`etres de régularisation des méthodes directes. L’objectif est de permettre une utilisation de routine pour des non-spécialistes, permettant une constance des résultats ainsi qu’une stabilité accrue. Les méthodes directes automatisées ont été appliquées `a des images de cytologie et de cytogénétique moléculaire. Cependant, les déconvolutions nécessitent une bonne caractérisation du syst`eme, et une étude sur les param`etres susceptibles de varier entre plusieurs acquisitions est présentée. La seconde partie de cette th`ese propose un algorithme permettant la prise en compte de la non invariance du syst`eme, basé sur le processus de formation d’image. Par une approche Monte-Carlo, la solution est calculée par essais successifs aléatoires, en suivant une distribution de probabilité qui est fonction de l’erreur de biais entre l’estimation dans le plan ’image’ et l’image observée. La solution est obtenue en minimisant, par un algorithme de recuit simulé, une fonction d’erreur dans l’espace ’image’, avec contraintes sur le voisinage dans l’espace ’objet’.

The 3D fluorescence microscope has become the method of choice in biological sciences for living cells study. However, the data acquired with conventional 3D fluorescence microscope are not quantitatively significant for spatial distribution or volume evaluation of fluorescent areas in reason of distortions. Deconvolution is a solution. Direct methods have been proposed, but knowledge of users for the tuning of critical parameters are required, because of the regularization needs due to the ill posed nature of the problem. The first part of this work present the automated tuning of direct methods regularization parameter. The aim is to permit the use of deconvolution by non specialists, giving constant results. The automated direct methods were applied on cytology and cytogenetic 3D data. The presented methods require a sharp characterization of the instrument, so an analysis of the influence of variation of the optical setup on the deconvolution result is presented. The last part of the work present concern the second tendency of deconvolution algorithms, by taking into account the space-variant response case. The solution is computed by a Monte-Carlo process, random guesses following a probability distribution function linked to the bias error of the estimation of the observed image and the raw observed image. The solution is obtained by the minimization of an error criterion in image space with neighborhood constraints in object space.