Étude des méthodes de démixage du signal utilisées en imagerie hyperspectrale et leur applications à une nouvelle technique de microscopie
L’imagerie hyperspectrale est une méthode d’imagerie qui fournit des images d’un échantillon avec plusieurs canaux correspondant à des bandes de longueur d’onde. Un spectre de réflectance est associé à chaque pixel et donne des informations sur les matériaux présents localement. Dans le démêlage spectral linéaire, l’objectif est de trouver un ensemble de composantes spectrales pures (composantes) qui peuvent être utilisées pour démêler tous les autres pixels dans les données. Le démixage consiste à trouver l’abondance de chaque composante dans chaque pixel de la scène.
La cohérence optique plein champ (Full-Field Optical Coherence Tomography – FFOCT) décrit les propriétés optiques du tissu, telles que les coefficients d’absorption des structures imagées ou leurs différences d’indice de réfraction qui entraînent des variations de diffusion. Par extension, le D-FFOCT est la technique résolu dans le temps, ou 1000 images de l’échantillon sont acquises sur une durée de 3 secondes pour révéler les micro-mouvements dans les cellules. Toutefois, le signal capté n’est pas entièrement caractérisé et compris, en plus, la technique est susceptible d’être sensible au bruit. Comme pour l’imagerie hyperspectrale, chaque pixel du capteur peut contenir un mélange de cellules, fibres, bruit externe, etc. dont la signature interférométrique dans le temps doit être différente, donc séparable.
Pour ce projet, il est demandé l’extraction non supervisée d’une base de composants et de cartes de localisation pour des images D-FFOCT de tissus mammaires basées sur des algorithmes de séparation aveugle des sources (Blind Source Separation) utilisés en imagerie hyperspectrale, cela peut se résumer à une décomposition matricielle.
- Méthodes : Hyperspectral Unmixing Overview: Geometrical, Statistical, and Sparse Regression-Based Approaches. Bioucas-Dias, José M. and Plaza, Antonio and Dobigeon, Nicolas and Parente, Mario and Du, Qian and Gader, Paul and Chanussot, Jocelyn. (2012). IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 5 (n° 2). pp. 354-379. ISSN 1939-1404 [http://www.gipsa-lab.grenoble-inp.fr/~jocelyn.chanussot/publis/ieee_jstars_12_unmix
- Lecture complémentaire sur le type d’imagerie (facultatif) : Dynamic full field optical coherence tomography: subcellular metabolic contrast revealed in tissues by interferometric signals temporal analysis. Apelian C, Harms F, Thouvenin O, Boccara AC. Biomed Opt Express. 2016;7(4):1511-1524. Published 2016 Mar 24. doi:10.1364/BOE.7.001511[https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4929658/]
2) Implémenter au moins 3 des méthodes dans le langage de votre choix.
3) Comparer les méthodes implémentées sur des données fournies : cubes de données obtenus à partir de la tomographie dynamique par cohérence optique plein champ du tissu mammaire.