Segmentation et analyse de données microscopiques 3D pour la morphologie cellulaire des cytonèmes

Lemieux, Philippe (2024). « Segmentation et analyse de données microscopiques 3D pour la morphologie cellulaire des cytonèmes » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.

Fichier(s) associé(s) à ce document :
[img]
Prévisualisation
PDF
Télécharger (15MB)

Résumé

Cette recherche est une contribution à un projet cherchant à trouver les mécanismes contrôlant la biogenèse des cytonèmes. Les cytonèmes sont des extensions de cellules spécialisées pour l’envoi de signaux. Ils sont impliqués dans la communication cellulaire lors du développement embryonnaire et dans le développement de tumeur en taille et malignité. Dans le cadre du projet, un microscope confocal est utilisé pour acquérir des volumes de cellules pour l’analyse de leurs cytonèmes à la main en 2D. Afin d’accélérer l’analyse et de mieux prendre en compte le troisième axe des volumes, on cherche à automatiser la quantification de la longueur des cytonèmes dans des volumes confocaux. Le défi principal de cette recherche est qu’aucun travail sur la segmentation de cytonème n’existe à notre connaissance. De plus, la manipulation de données volumétriques impose des limitations matérielles, les volumes à notre disposition contiennent peu de voxels de cytonèmes comparativement aux autres ROIs et peu d’entre eux sont annotés. La quantification des cytonèmes à partir de volumes exige d’abord une segmentation des cytonèmes pour procéder à l’analyse de la morphologie des classes segmentées. Pour nos expériences, un ensemble de données non publiques a été mis sur place. Il consiste en 35 volumes de cellules ayant des cytonèmes, dont 10 sont annotés. Ce mémoire propose 3 approches pour segmenter les cellules. La première approche de segmentation n’utilise pas d’apprentissage machine et les deux autres sont avec l’architecture U-Net en deux dimensions (2D) et trois dimensions (3D). En ordre, elles atteignent un coefficient DiceClDice de 0.7399, 0.7506 et 0.7633 avec nos volumes de tests. Pour chaque méthode, la classification de noyaux cellulaires est problématique puisqu’un noyau est une grande région sombre et il est facilement interprétable comme l’arrière-plan. L’entraînement est restreint à 12 GB de mémoire vive, soit le standard pour une carte graphique. À partir d’un volume où les classes de corps cellulaire et de cytonèmes ont été segmentées, on propose une méthode d’analyse automatisée pour calculer la longueur des cytonèmes associés à chaque cellule. À moins de changer les méthodes d’acquisition en ajoutant une substance fluorescente aux noyaux cellulaires de sorte à faciliter leur classification, la segmentation du noyau cellulaire nécessite une amélioration afin d’augmenter la fiabilité de notre nouvelle méthode d’extraction de métrique. Dans l’état actuel de ce projet, les métriques de cytonèmes calculées pourront être utilisées pour donner un premier coup d’œil lors de comparaison inter-volume avant de passer à une analyse manuelle. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Segmentation 3D, U-Net, Cytonème, Transfert d’apprentissage.

Type: Mémoire accepté
Informations complémentaires: Fichier numérique reçu et enrichi en format PDF/A.
Directeur de thèse: Lefebvre, Joël
Mots-clés ou Sujets: Segmentation d'image / Réseaux de neurones convolutifs / U-Net / Imagerie tridimensionnelle en biologie / Cytonèmes / Morphologie cellulaire
Unité d'appartenance: Faculté des sciences > Département d'informatique
Déposé par: Service des bibliothèques
Date de dépôt: 18 oct. 2024 08:15
Dernière modification: 18 oct. 2024 08:15
Adresse URL : http://archipel.uqam.ca/id/eprint/18120

Statistiques

Voir les statistiques sur cinq ans...