Schéma de segmentation par apprentissage profond sur des images de microscopie de Mueller pour la quantification du collagène et de l’élastine du col de l’utérus
Résumé
Nous présentons une approche de segmentation efficace basée sur l'apprentissage profond permettant de discriminer le collagène des fibres d'élastine à partir d'images de microscopie de Mueller du col de l'utérus de souris. L'utilisation d'un système de micro/mésoscopie de Mueller auto-validant (Self-Validating Mueller matrix Micro-Mesoscope), permet d'acquérir sur le même échantillon des images en microscopie de Mueller et en microscopie nonlinéaire (génération de second harmonique et bi-photon). Ces dernières sont utilisées comme vérité terrain pour la segmentation quantitative, combinant un perceptron multicouche et deux réseaux de convolution U-net. Les métriques de précision et de qualité d'image montrent des résultats de segmentation d'excellente qualité.
Origine : Fichiers produits par l'(les) auteur(s)