Advances in probabilistic particle tracking for biological imaging

• Auteur / Autrice : Nicolas Chenouard
• Direction : Isabelle Bloch, Jean-Christophe Olivo-Marin
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2010
• Etablissement(s) : Paris, Télécom ParisTech

Mots clés

Mots clés contrôlés

Séparation de sources (traitement du signal)

Statistique bayésienne

Imagerie en biologie

Résumé

Le suivi de particules permet de caractériser de façon précise et robuste le mouvement d'objets biologiques à l'échelle micro ou nanométrique et représente une méthode de choix pour étudier la dynamique des mécanismes intracellulaires. Cette thèse présente de nouvelles méthodes de suivi de particules qui sont basées sur des techniques mathématiques robustes et qui permettent de suivre des particules sous-résolutives dans les images très bruitées qui sont rencontrées en imagerie cellulaire. Nous avons proposé une technique de détection de particules qui supporte la présence de fonds structurés en séparant le fond du signal des particules grâce à la Morphological Component Analysis. Nous avons aussi proposé une modélisation statistique exhaustive du problème de suivi de particules dans les images de microscopie qui introduit la notion de "target perceivability" et permet de mieux rejeter les fausses détections. Ce modèle statistique est à la base d'une adaptation pour les images biologiques de l'algorithme Multiple Hypothesis Tracking. Notre algorithme compense le faible rapport signal/bruit des images grâce à l'intégration de l'information temporelle apportée par le MHT. De plus, il donne la solution d'association qui optimise de façon non-biaisée un critère de maximum de vraisemblance des trajectoires. Nous avons proposé une nouvelle implémentation rapide qui exploite une structure en arbre optimisée et des techniques d'élagage des feuilles. Nous avons démontré sur de nombreux jeux de données des performances supérieures à celles des techniques préexistantes et appliqué notre note technique de suivi dans de nombreux projets d'imagerie biologique.

Particle tracking is a method of choice to understand subcellular mechanisms since it provides a robust and accurate means to characterize the dynamics of moving objects at the micro- and nano-metric scale. This thesis presents novel techniques based on robust mathematical methods which allow us to track subresolutive particles in the noisy conditions which are often met in cellular imaging. We have proposed a new particle detection algorithm which deals with the presence of structured backgrounds by separating the background from the particle signal thanks to the Morphological Component Analysis algorithm. We have also proposed a comprehensive statistical modeling of the problem of particle tracking in microscopy images which includes the concept of target perceivability and allows us to automatically identify false detections. The statistical model of tracking is exploited by a novel Multiple Hypothesis Tracking (MHT) algorithm which we have adapted to biological images. The proposed algorithm compensates for the low-signal-to-noise ratio by improving the integration of the temporal information. Morever, the technique provides the association solution which optimizes is an unbiased manner the maximum likelihood criterion of tracks. We have also proposed a novel fast implementation of the MHT which takes full advantage of the tree structure of the solutions and exploits a new pruning technique based on the bounding of a statistical score. We have proved with the processing of numerous data sets that the proposed technique achives superior performance to existing solutions, and we have applied the proposed tracking in an number of biological projects.