Reconnaissance de forme et visualisation 3D des circuits neuronaux à partir de coupes de tissus cérébraux

Shape recognition and 3D visualization of neural circuitries from brain tissue clearing

• Auteur / Autrice : Adrien Julia
• Direction : Djamal Merad, Valéry Matarazzo
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2020
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École doctorale Mathématiques et Informatique de Marseille (Marseille ; 1994-....)
• Partenaire(s) de recherche : Laboratoire : LIS Laboratoire d'Informatique et Systèmes

Mots clés

Mots clés libres

Modélisation 3D

Reconnaissance de forme

Amincissement de tissus

Analyse d'images

Neuroscience

3D Modeling

Shape recognition

Tissue clearing

Image analysis

Neuroscience

Résumé

Afin de reconstruire une cartographie des réseaux neuronaux, nous allons automatiquement segmenter et classifier des nuages de points en 3D obtenus par imagerie neuro-anatomique. Plusieurs méthodes existent pour la reconnaissance d'objets dans une image, intégrant la connaissance implicite du type d'objet recherché. Cependant, ces approches ont été critiquées en raison de leur manque de possibilité de généralisation, et sur la question de la représentation et de l'acquisition des données préalables. Néanmoins, des avancées récentes, comme l'ontologie, permettent de répondre à certaines de ces critiques en formalisant de manière cohérente et consensuelle la connaissance d'un domaine particulier. Nous étudierons une nouvelle approche pour fournir des méthodes et des outils qui utilisent les connaissances du domaine et exploitent les complémentarités des données (images 2D, points 3D ...) pour extraire et reconnaître automatiquement les éléments d'une scène. Nous allons ainsi mettre en place une ontologie intégrant des données complexes décrivant un modèle 3D de circuits neuronaux. L'alignement de ce modèle dans la scène permettra l'identification et la localisation de toutes les occurrences de ce modèle.

In order to reconstruct brain circuitry, we will segment and classify automatically the 3D point clouds obtained by neuroanatomic images. Many methods exist for the recognition of objects in scenes. They incorporate the implicit knowledge held by their designers about the type of searched objects. However, this kind of approaches had been criticized due to its lack of generality and the problem of representation and acquisition of prior knowledge. However, recent advances such as ontology, permit to address some of these criticismsby formalizing the knowledge of a particular field in a coherent and consensual manner. We propose a novel approach to provide methods and tools that use the knowledge of the field and exploit the complementarities of data (2D images, 3D points...) to automatically extract and recognize elements in the scene. We will set up an ontology integrating complex data describing a 3D model of neural circuitry. Alignment of this model in the scene will allow the identification and localization of all occurrences of this model.