Suivi cellulaire par traitement d’images et apprentissage

Cette ressource fait partie du « Dossier Intelligence Artificielle [7] ».

L’étude de la migration de cellules cancéreuses s’est développée ces dernières années avec les progrès en intelligence artificielle pour obtenir plus d’informations sur la formation de métastases (tumeurs cancéreuses). Les expériences mises en œuvre pour effectuer des observations nécessitent de recourir à des algorithmes de traitement d’images pour en tirer des conclusions. La variabilité de la géométrie des cellules étudiées est une difficulté pour le suivi cellulaire qui peut être abordée à l’aide d’algorithmes de traitement d’images s’appuyant sur des réseaux de neurones convolutifs à segmentation d’instance. La structure complexe du réseau de neurones Mask R-CNN permet d’obtenir des résultats avec une meilleure exactitude que pour d’autres structures et un grand gain de temps sur le traitement des données.

Cette ressource présente, dans le contexte de l’étude de cellules dans des dispositifs microfluidiques, une structure utilisée pour traiter les images et mesurer les grandeurs d’intérêt dans une approche utilisant des réseaux de neurones convolutifs avec apprentissage supervisé et modèles pré-entraînés.

Contenu de la ressource :

1. Contexte d'études
   1. Étude de la migration de cellules cancéreuses
   2. Traitement des données : Intérêt du deep learning
2. Réseau de neurones convolutif et segmentation d'instance
   1. Présentation générale
   2. Données pour le pré-traitement
   3. Structure du réseau de neurones
3. Détermination des paramètres d'intérêt
4. Discussion
   1. Mise en œuvre du réseau de neurones
   2. Comparaison avec d'autres méthodes
5. Perspectives