ANNOTATION SEMI-AUTOMATIQUE DE SPOTS EN MICROSCOPIE DE FLUORESCENCE

Encadrants : Thibault Lagache
Disponible : OUI

Spécialité : IMA
Nombre d'étudiants : 1
Description : En microscopie de fluorescence appliquée à l’imagerie biologique, les objets d’intérêt (ex. molécules, particules virales ou autres agents pathogènes…) sont souvent plus petits que la limite de résolution du microscope et apparaissent par conséquent comme des spots gaussiens dans l’image [1]. Afin de segmenter automatiquement ces objets, des approches Deep-Learning sont en cours de développement mais requièrent l’annotation manuelle d’un grand nombre de cellules. Des outils adaptés à une annotation robuste et rapide doivent donc être développés en parallèle des modèles d’apprentissage.
Travail demandé : Après avoir rapidement parcouru la littérature la limite de résolution des microscopes, l’approximation Gaussienne des spots fluorescents et les modèles d’apprentissage existant, l’étudiant(e) développera une solution semi-automatique performante pour la génération rapide d’ensembles d’annotations. La méthode obtenue sera intégrée à notre plateforme d’analyse d’image Icy [2] (http://bioimageanalysis.org) via le nouveau plugin DeepIcy. [1] Zhang, B., Zerubia, J., & Olivo-Marin, J. C. (2007). Gaussian approximations of fluorescence microscope point-spread function models. Applied optics, 46(10), 1819-1829. [2] De Chaumont, F., Dallongeville, S., Chenouard, N., Hervé, N., Pop, S., Provoost, T., ... & Olivo-Marin, J. C. (2012). Icy: an open bioimage informatics platform for extended reproducible research. Nature methods, 9(7), 690-696.