Méthodes d'apprentissage flou : application à la segmentation d'images biologiques

par Jean-Charles Atine

Thèse de doctorat en Systèmes informatiques

Sous la direction de Joseph Aguilar-Martin et de Andrei Doncescu.

Soutenue en 2005

à Toulouse, INSA .


  • Résumé

    TLes travaux présentés ont pour objectif d'aider les biologistes au diagnostic de la viabilité cellulaire en utilisant des méthodes de classification floues. Notre travail fait part d'une stratégie de classification permettant de construire un partitionnement d'images de cellules venant d'un microscope optique. Nous aboutissons à une classification automatique des cellules, en segmentant l'image, par l'algorithme T-LAMDA que nous avons développé. Une étude portant sur les méthodes de classification existantes, l'espace couleur et la résistance au bruit, permet de trouver la structure la plus adaptée à notre étude. L'analyse comparative de différentes méthodes (dont les méthodes LAMDA et T-LAMDA), nous permet de mettre en exergue la plus appropriée pour la classification des cellules mélangées au bleu de méthylène. Nous proposons quelques algorithmes supervisés basés sur LAMDA afin de voir si le sens de traitement des données au niveau de cet algorithme influe sur le résultat. L'algorithme T-LAMDA, basé sur les arbres de décisions, se révèle le mieux adapté pour notre étude et donne ainsi des résultats plus précis que les autres méthodes, avec un temps d'exécution plus court. Nous suggérons de faire un apprentissage en utilisant l'application CELCA, Cell Classification Application, qui utilise l'algorithme T-LAMDA. Le logiciel se charge des calculs des cinétiques, en fonction des images qui respectent un protocole bien défini. Le temps de traitement de 117 images est de 6'47'' minutes, ce qui est largement en dessous du temps mis par les biologistes en effectuant manuellement le comptage.

  • Titre traduit

    Fuzzy methods of learning : application to the segmentation of biological images


  • Résumé

    The presented works have for objective to help the biologists in the diagnosis of the cellular viability by using some methods of classification. Our work announces a strategy of classification allowing to building partition of images of cells coming from an optical microscope. We classify automatically the cells by operating the segmentation on images using the developed algorithm T-LAMDA. A statement concerning the existing classification methods, the color space and the resistance to noise, allows to finding the structure the most adapted to our study. The comparative analysis of various methods (of which LAMDA and T-LAMDA methods), allows us to put in evidence the most appropriate for the classification of cells subjected to the blue of methylene solution. We propose some supervised algorithms based on LAMDA to show if the way of treating the data influence the result. The T-LAMDA algorithm, based on the decision trees, shows itself the best adapted for our study and so gives more precise results than other methods, with a shorter time of execution. We suggest learning by using the CELCA application, Cell Classification Application, which uses the developed T-LAMDA algorithm. The software takes care of calculations of the kinetics, according to the images which respect to a well defined protocol. Time for treating 117 images is 6 '47'' minutes, what is widely below the time taken by biologists to count the cells

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (137 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 131

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées. Bibliothèque centrale.
  • Non disponible pour le PEB
  • Cote : 2005.799.ATI
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.