Détail du document
Techniques de segmentation d’images et stratégie de pilotage pour l’analyse automatique d’échantillons en microscopie électronique : Application à la cristallisation 2d
Résumé
Ce mémoire est consacré à l’élaboration de techniques de segmentation pour la scrutation de membranes protéiques lors du pilotage d’un microscope électronique en transmission. Les membranes biologiques sont issues d’expériences de cristallisation 2D de protéines dont il faut évaluer le succès. Notre stratégie consiste à piloter le microscope selon des informations extraites à partir des images.
[...]
Elle se décompose en trois étapes correspondant à trois niveaux de grossissement du microscope. Des traitements adaptés ont été développés. Ils sélectionnent les régions d’intérêt aux deux premiers niveaux, et évaluent la cristallinité du spécimen à fort grossissement. Les objets d’intérêt ont un faible contraste dans des images très bruitées. Notre principal algorithme de segmentation repose sur une mesure de gradient multirésolution, combinée à un seuillage adapté aux échelles. Pour rassembler les informations de contours segmentés aux différentes échelles, nous proposons la construction d’une image intermédiaire, appelée RGL (Reconstructed Gradient- Like). Cette image est finalement partitionnée en régions à l’aide de l’algorithme de ligne de partage des eaux. Un nouvel algorithme de seuillage d’images gradient est également présenté. Basée sur une approximation par deux droites de la pente descendante de l’histogramme unimodal, cette technique possède la propriété d’être robuste aux variations statistiques de l’histogramme. La stratégie a été validée in situ avec une implémentation prototype. Les tests soulignent le potentiel de cette démarche et de l’interprétation automatique des images, afin de caractériser et classifier au mieux les différents types de membranes..New segmentation techniques are elaborated in this thesis to control a transmission electron microscope and to characterize 2D crystals of membrane proteins. A strategy based on image analysis has been developed to drive the micrograph acquisition process. It is organized in three steps during which the microscope is progressively directed to the regions of interest (ROI). Adapted tools have been developed to select those ROI at low and medium magnification. At high magnification, the crystallinity of the selected regions is analyzed. Images of membranes have a poor contrast and are very noisy . Our main segmentation algorithm proposes a multi-resolution gradient analysis, combined with a scale-adapted threshold. The edge information thresholded at different scales is gathered to build the Reconstructed Gradient-Like image. The watershed algorithm is then applied to partition this image into meaningful regions. A new tool is also introduced to threshold gradient images, based on a piecewise linear regression of the descending slope of the unimodal histogram. This method is robust to statistical variations of the histograms. The automatic analysis strategy has been validated with an in situ implementation of a prototype. Tests underline the potential of this work and of automatic image analysis for the best possible characterization and classification of the membranes.