Thèse soutenue

3D microscopy image analysis : from image enhancement to quantitative analysis of arterial tissues
FR  |  
EN
Accès à la thèse
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-....)
Laboratoire : Centre Ingénierie et Santé
Jury : Examinateurs / Examinatrices : Marianne Clausel, Guy Courbebaisse, Thierry Fournel, Ahmed Nait-Sidi-Moh, Claire Morin
Rapporteurs / Rapporteuses : Marianne Clausel, Guy Courbebaisse

Résumé

FR  |  
EN

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.