FEMTO-ST-Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
Video de présentationDe la recherche fondamentale au partenariat industriel
Traitement d'image pour la qualification des ovocytes.
Traitement d'image pour la qualification des ovocytes.
Utilisation de la transformée de Karhunen-Loeve pour la qualification des cellules.
Devant le peu d’outils proposés aux praticiens de FIV, nous avons proposé des techniques nouvelles pour déterminer a priori la qualité des ovocytes à partir d’indications visuelles. Jusqu’à présent, la seule méthode présentée dans la littérature porte sur la détection de contour pour isoler le centre de l’ovocyte et d’examiner la texture de l’image à l’intérieur de ces contours ; cette opération nécessite l’intervention fastidieuse d’un opérateur qui inscrit le contour.
Après essai de plusieurs méthodes (reconnaissance automatique de contours, reconnaissance de formes, …), nous avons ainsi proposé d’utiliser la transformée de Karhunen-Loeve (TKL).
Cette méthode utilise la matrice de covariance d’une série d’images pour en extraire des informations qui se retrouvent dans un espace réciproque qui sont appelés canaux. Par analogie et pour donner une idée de la TKL, l’espace des images utilisées correspond au sens de la transformée de Fourier comme le domaine spatial alors que celui des canaux à l’espace fréquentiel. La grande différence avec la transformée de Fourier est que la TKL utilise une base de vecteurs (les vecteurs propres) qui dépend des images traitées. Pour reconstruire les images initiales, il suffit de rétroprojeter les canaux sur la matrice transposée des vecteurs propres. Pour filtrer les images, il suffit d’annuler certains des vecteurs propres et de garder que ceux qui semblent pertinent au sens de la théorie de l’information.
Il s’agit donc de calculer la matrice de covariance des N images utilisées puis de calculer les valeurs et vecteurs propres de cette matrice. L’étape suivante est de classer les valeurs propres suivant un ordre décroissant. Le passage à l’espace des canaux se fait en projetant les N images suivant les vecteurs propres classés suivant l’ordre des valeurs propres. Ainsi, pour N images, nous obtenons N canaux dont, pour donner une idée bien que cela ne soit pas tout à fait exact, le premier canal correspond à l’information commune des N images et le dernier à celle qui intrinsèque à chaque image individuelle. Classiquement, le premier canal est l’image moyenne des N images alors que le dernier est souvent relatif au bruit.
L’idée générale est donc dans un premier temps, d’effectuer l’apprentissage, c’est-à-dire d’avoir à disposition un panel d’images d’ovocytes considérés bons et un autre de ceux considérés mauvais par le praticien.
Nous présentons sur la planche 1 des photographies d’ovocytes immatures (6 images) et sur la planche 2 ceux matures (6 images). Nous présentons sur la planche 3 les 9 canaux correspondant à la planche 1 sur sur la 4 ceux correspondant à la 2.
Planche 1 (à gauche) et planche 2 (à droite).
Planche 3 (à gauche) et planche 4 (à droite)
Si on examine les canaux 1 de chaque ensemble (figures ci-dessous), nous pouvons constater que les images sont très similaires.
Canal 1 ovocyte mature (à gauche) et canal 1 ovocyte immature (à droite).
Mais par contre, si l’on regarde les canaux 6, nous obtenons deux images différentes (figures ci-dessous), donc c’est un canal que l’on peut penser discriminant.
Canal 6 ovocyte mature (à gauche) et canal 6 ovocyte immature (à droite).
En effet, la texture est plus marquée dans le cas du canal 6 des ovocytes. Ce paramètre se retrouve dans le canal 2. L’idée est donc de calculer l’écart type normalisé de l’image sur ces deux derniers canaux après projection d’une image. On donne le résultat pour deux ovocytes matures et eux immatures sur la figure ci-dessous. Il s’agit maintenant de valider ces résultats avec de nombreuses photographies d’ovocytes.
Séparation des ovocytes matures et immatures.
Traitement automatique pour la détection des différentes zones cellulaires.
Il s’agit ici d’obtenir un traitement automatisé qui permette d’obtenir directement, objectivement et de façon systématique une détection du fond des photographies, de la pellucide et du corps de l’ovocyte. En effet, dans l’optique d’une validation clinique, il est important d’éliminer tout facteur humain de l’analyse tout en minimisant le temps de traitement (un détourage manuel « avec la souris » est relativement long à effectuer). Trois étapes structurent le traitement. Il est important de connaître les épaisseurs des pellucides car il semble que celles-ci soient un critère fiable de qualité des ovocytes.
Afin de déterminer les contours de la pellucide, on applique les opérateurs de Kirsch modifiés à la photographie ci-dessous à gauche et on aboutit à la figure contours (à gauche).
Photographie d'un ovocyte (à gauche) et contours présents dans l'image (à droite).
Pour obtenir la morphologie, il est nécessaire de seuiller l’image précédente amenant à la photographie suivante (gauche). Un algorithme de reconnaissance de formes est ensuite appliqué pour aboutir à l’image ci-dessous à droite. A partir de cette dernière image, il devient possible d’effectuer une étude systématique de nombreux ovocytes. En effet, les différentes parties d'intérêt des ovocyte sont automatiquement dégagées d'une image standard obtenue au microscope. Ainsi, on peut indépendamment étudier les caractéristiques de chaque zone (dimensions, granulosité, éléments statistiques de l'image, ...). Ces études sont actuellement en cours.
Image binarisée des contours et morphologie reconstituée.
Parallèlement, nous avons effectué une étude de la « granularité » de l’ovocyte hors pellucide. Pour cela, nous analysons par divers paramètres statistiques la zone de la photographie initiale correspondant à la partie blanche de la dernière image présentée. Par comparaison avec une photographie type de chaque groupe d’analyse (mature, immature, avec vésicule …), nous pouvons directement rattaché l’ovocyte étudié à un des groupes. Une interface graphique permet à l’opérateur d’avoir une réponse rapide comme l’indique le figure suivante. Nous pouvons à partir du paramètre P estimer que l’ovocyte étudié est du même type que celui de référence.
Vous pouvez également voir le poster réalisé à l'occasion de ces études et présenté aux Journées de l'ISIFC 2007 sur le lien suivant : voir poster (ppt, 801 Ko).
Interface graphique permettant à l'utilisateur de qualifier un ovocyte automatiquement.
Dernière modification : 2007-05-25
Mentions légales - Plan du site - Contact webmaster - Private - Intranet