Communication Dans Un Congrès Année : 2025

Détection et segmentation automatisées de bactériocytes à partir d'images de microscopie optique

Résumé

Ce travail présente un outil automatisé basé sur l'apprentissage profond pour la détection et la segmentation des bactériocytes, cellules spécialisées dans l'hébergement des bactéries symbiotiques chez les insectes. L'objectif est d'automatiser la mesure de surface des cellules nettes intactes, une tâche actuellement manuelle. La segmentation automatisée présente plusieurs défis tels que la superposition des cellules, les variations de netteté et la distinction entre cellules intactes et éclatées. Un protocole d'acquisition standardisé de 11 images espacées de 8 µm en microscopie champ clair (Thunder Imager 3D, Leica) a été mis en place. Trois architectures (Mask R-CNN, YOLOv8 et Mask Frozen-DETR) ont été entraînées en validation croisée, et un post-traitement basé sur le score de Dice élimine les prédictions redondantes. Les résultats montrent des performances encourageantes en termes de mAP et de rappel, ouvrant la voie à une automatisation prometteuse après optimisation complémentaire de la précision.

Fichier principal
Vignette du fichier
hutin2025_DetectionSegmentationAutomatiqueBacteriocytesFinal2.pdf (3.84 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05184270 , version 1 (24-07-2025)

Licence

Identifiants

  • HAL Id : hal-05184270 , version 1

Citer

Nathan Hutin, Chantal Revol-Muller, Karen Gaget, Séverine Balmand, Federica Calevro, et al.. Détection et segmentation automatisées de bactériocytes à partir d'images de microscopie optique. Groupe de Recherche et d'Etudes de Traitement du Signal et des Images (GRETSI), Aug 2025, Strasboug, France. ⟨hal-05184270⟩
1364 Consultations
118 Téléchargements

Partager

  • More