Mael Balluet - Conception d’un prototype de microscope intelligent et autonome

Sous la direction de : Jacques Pécréaux et Marc Tramier

Les systèmes de microscopie optique sont des outils complexes, indispensables à la compréhension du vivant par la recherche fondamentale et appliquée en biologie. Ils sont aussi un outil de choix dans la recherche de nouveaux médicaments par criblage dans l’industrie pharmaceutique. Leur automatisation est un champ d’étude en plein essor. Il s’agit d’analyser de manière autonome les images lors de leur acquisition afin de décider ce qui doit être imagé et dans quelles conditions. Cela permettra non seulement une accélération et une standardisation des expériences, mais ouvrira aussi la voie à l’étude de phénomènes biologiques complexes, jusqu’alors inaccessibles. Actuellement, la microscopie est soit hautement supervisée et utilisée par des experts en recherche, soit cantonnée à des approches rudimentaires lors des cribles.

Nous présentons dans cette thèse la conception et le développement d’un prototype de système embarqué analysant des images de microscopie en temps-réel et réalisant une boucle de rétroaction avec un microscope. Nous avons conçu ce système en confrontation permanente avec des applications biologiques théoriques plus ou moins complexes, ce qui nous a permis d’obtenir un modèle théorique générique et modulaire. Nous avons aussi entamé le test de ce système en conditions réelles. En particulier, notre système permet de modifier à la volée des modalités d’acquisition d’images d’un microscope en fonction des images analysées à la volée. De plus, il effectue un tri de ces images en ne retournant que celles représentant des objets d’intérêt pour les biologistes.

Un point critique de cette démarche est l’analyse des images en temps réel. Nous nous sommes interrogés sur la manière de réaliser des classifications précises et rapides. Nous proposons une méthode d’optimisation d’un outil générique de classification d’images. Pour ce faire, nous identifions des caractéristiques pertinentes pour la classification des images dont le temps d’extraction reste faible. Dans cette démarche, nous avons mis en évidence une redondance des caractéristiques qui permet d’exclure les plus longues à calculer quand bien même ce sont les plus discriminantes dans la classification. Ainsi, une dizaine de caractéristiques ainsi choisis permet de classer 14 cellules par seconde avec une précision supérieure à 80 % avec un algorithme de random forest ou un réseau simple de neurones. Ces travaux ouvrent des perspectives d’optimisation des systèmes de classification en apprentissage automatique, y compris profond.

En conclusion, nous avons mis en place les bases d’un microscope intelligent et autonome. Au-delà de l’accélération de la recherche, il ouvre la voie à une nouvelle génération de microscopie, à l’instar du séquençage, contribuant à l’émergence d’une médecine de précision basée sur la microscopie.

 

Composition du jury :

  • Nadine Peyrieras,
  • Loic Le Goff,
  • Olivier Dameron,
  • Yannick Gachet.

Invités :

  • Sébastien Le Nours,
  • Olivier Chanteux,
  • Otmane Bouchareb.