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 - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

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

Nelson Gary
  • Fonction : Auteur
Julien Wojak
  • Fonction : Auteur
Mouloud Adel
  • Fonction : Auteur
GSM
Julien Fade
  • Fonction : Auteur
Anabela da Silva

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.
Fichier principal
Vignette du fichier
OPTIQUE_Nice_2022_Nelson_PolarIA.pdf (303.56 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03871756 , version 1 (25-11-2022)

Identifiants

  • HAL Id : hal-03871756 , version 1

Citer

Nelson Gary, Vinh Nguyen Du Le, Julien Wojak, Mouloud Adel, Julien Fade, et al.. 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. Congrès de la Société Française d’Optique, Optique Nice 2022, Jul 2022, Nice, France. ⟨hal-03871756⟩
15 Consultations
10 Téléchargements

Partager

Gmail Facebook X LinkedIn More