Indices de forme et de texture : de la 2D vers la 3D : application au classement de noyaux de cellules

Shape and texture indexes : from 2D to 3D : application to cell nuclei classification

• Auteur / Autrice : Guillaume Thibault
• Direction : Jean Séqueira, Jean-Luc Mari
• Type : Thèse de doctorat
• Discipline(s) : Informatique. Imagerie numérique
• Date : Soutenance en 2009
• Etablissement(s) : Aix-Marseille 2
• Ecole(s) doctorale(s) : École doctorale Mathématiques et Informatique de Marseille (Marseille ; 1994-....)

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Reconnaissance des formes (informatique)

Illustrations -- Interprétation

Noyau cellulaire

Résumé

ADans cette thèse, nous présentons une approche de reconnaissance de forme pour la caractérisation et le classement de noyaux de cellules prélevées chez des patients atteints par la maladie de la progéria. Les noyaux sont marqués par immunofluorescence puis observés au microscope à fluorescence. L’analyse des noyaux doit permettre de diagnostiquer s’ils sont normaux ou pathologiques. L’approche est basée sur une modélisation systématique des ´éléments de diagnostic (forme, texture, trous et focis) par différentes caractéristiques et algorithmes de classement par apprentissage supervisé. La première partie s’intéresse au classement des noyaux en fonction de leur forme. Nous effectuons une caractérisation efficace par indices de forme, parmi lesquels quatre nouveaux indices de notre conception. Ces indices permettent de discriminer la forme et ainsi construire un sous-modèle de classement efficace. En début de deuxième partie, nous proposons une nouvelle méthode de caractérisation statistique de l’homogénéité de la texture. Cette technique est basée sur le dénombrement des régions de même niveau de gris. Les informations extraites sont stockées sous forme matricielle puis caractérisées à l’aide d’indices de texture dont deux nouveaux qui détectent les textures ayant de grandes zones homogènes mais d'intensités différentes. Ces indices et cette méthode se sont révélés pertinents pour améliorer le classement des noyaux. L’expertise des noyaux est également basée sur la présence d’´éléments locaux de textures spécifiques (les trous et les focis), parfois constitués de quelques pixels. Pour les modéliser, nous proposons une succession d’étapes qui forment un procédé générique d’analyse statistique. Celui-ci est basé sur la représentation de la texture par sa carte d’élévation 3D. Les éléments sont extraits, caractérisés par indices de forme 3D, filtrés par classement pour affiner leur pouvoir de caractérisation et enfin dénombrés. Après avoir modélisé tous les éléments de diagnostic, nous fusionnons les sous-modèles dans un modèle final qui classe de manière fiable et efficace les noyaux de cellules.

In this Phd we present a pattern recognition study for the characterization and the classification of cell nuclei from patient attempt by Progeria disease. Nuclei are observed by immunodetection with an epifluorescent microscop. Nuclei’s analyse must allow to diagnose their states : healthy or pathological. The approach is based on a systematic modelling of diagnoses elements (shape, texture, holes and focis) by learning classification algorithms. The first part discuss about shape nuclei classification. We realize an efficient characterization by shape indexes, among whom four new indexes of our conception. These indexes allow the categorization of the shape and the construction of an efficient classification submodel. At the beginning of the second part, we purpose a new statistical method of texture homogeneity. This method is based on the enumeration of region of comparable gray level. Extracted informations are represented by matrices and then characterized by texture indexes among whom two new indexes whom detect textures with large homogeneous zone but with high gray level gap. These indexes and method allow an improvement of the nuclei classification. The nuclei diagnoses is equaly based on the presence of local and specific texture elements (holes and focis), sometimes constituted of just some pixels. For modelling their, we purpose succession of step of a new generical technique of texture analyze. It is based on the thexture representation by her volume under elevation map. Elements are extracted, characterized by 3D shape indexes, filtered by classification for improve characterization power, and finaly enumerated. After the modelling of each diagnoses elements, we merge submodels in a final model which classifiy with reliability and efficiency cell nuclei.