3D microscopy image analysis : from image enhancement to quantitative analysis of arterial tissues

Analyse d’images de microscopie 3D : de l’amélioration des images à l’analyse quantitative des tissus artériels

• Auteur / Autrice : Zeineb Nejim
• Direction : Laurent Navarro
• Type : Thèse de doctorat
• Discipline(s) : Sciences des images et des formes
• Date : Soutenance le 01/07/2022
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : Ed Sis 488
• Partenaire(s) de recherche : établissement opérateur d'inscription : École nationale supérieure des mines (Saint-Etienne ; 1816-....)
• Partenaire(s) de recherche : Laboratoire : Centre Ingénierie et Santé
• Jury : Examinateurs / Examinatrices : Marianne Clausel, Guy Courbebaisse, Thierry Fournel, Ahmed Nait-Sidi-Moh, Claire Morin
• Jury : Rapporteur / Rapporteuse : Marianne Clausel, Guy Courbebaisse

Mots clés

Mots clés contrôlés

Collagène

Analyse harmonique (mathématiques)

Imagerie tridimensionnelle

Artères

Mots clés libres

Génération de seconde harmonique

Fibres de collagène

Estimation d’orientation

Amélioration d’image

Second harmonic generation

Collagen fibers

Orientation estimation

Image enhancement

Résumé

Le système cardiovasculaire est responsable du transfert de l’oxygène et des nutriments vers tout le corps et l’aorte y joue un rôle essentiel. La portion supérieure de l’aorte, appelée aorte thoracique ascendante, est critique puisqu’elle doit supporter la pression élevée du sang pompé par le coeur. Ceci est possible grâce à la microstructure de l’aorte qui est principalement composée de fibres (collagène et élastine). Cependant, avec le vieillissement, des changements peuvent toucher cette microstructure et causer des pathologies comme les anévrismes. L’étude de cette microstructure est possible grâce à plusieurs modalités d’imagerie comme la microscopie à deux photons et la génération de seconde harmonique qui offre une bonne résolution 3D. Cependant, les images collectées peuvent présenter des artéfacts comme du bruit et des discontinuités de quelques fibres. L’analyse quantitative des images acquises permet de caractériser la géométrie et la morphologie des fibres ainsi que la composition du spécimen considéré.Cette thèse a pour objectif, en premier lieu, d’améliorer des images 3D de seconde harmonique de fibres de collagène. Pour se faire, une combinaison d’un filtre directionnel 3D (pour remédier au problème de discontinuité) et de transformées ''top-hat'' à une et trois dimensions (pour réduire le bruit) est proposée. En second lieu, l’intérêt est porté sur l’analyse quantitative de ces images et en particulier l’estimation de l’orientation des fibres de collagène dans l’espace 3D. Une nouvelle approche basée sur l’apprentissage profond est présentée. Une base de données d’images 3D de fibres synthétiques est développée pour entrainer le réseau de neurones proposé.

The cardiovascular system is responsible of transferring nutrients and oxygen to all the body and the aorta plays an essential role. The upper portion of the aorta, called ascending thoracic aorta, is a critical section since it has to support the high pressure blood pumped by the heart. This is made possible thanks to the microstructure of the aortic wall, mainly composed of fibers (collagen and elastin). With aging, changes may occur on the aortic microstructure and may cause some diseases such as aneurysms. Studying this microstructure is helpful to understand its functions. To this end, several imaging modalities were used especially the multi-photon microscopy and Second Harmonic Generation (SHG) due to its good resolution in 3D. However, SHG images may present some artifacts such as noise in addition to some discontinuities on certain fibers. The study of this microstructure is based on the quantitative analysis of acquired 3D images to extract information about the geometry and the morphology of collagen fibers and the composition of the considered specimen.The goal of this thesis is, first, to enhance 3D SHG images of collagen fibers in order to make them suitable for a quantitative analysis. To this end, a combination of a 3D directional filter (to deal with fibers discontinuities) and a 1D and a 3D top-hat transforms (to reduce the noise) is proposed. The second part of this thesis focuses on the quantitative analysis of these images and in particular, orientations estimation of collagen fibers in the 3D space. A new approach based on deep learning is introduced. A dataset of 3D images of synthetic fibers is developed to train the proposed neural network.