Soutenance mémoire
Fonctionnement des machines à vecteurs support
A l’instar de la photographie, le traitement informatique des images numériques a d’abord commencé en niveaux de gris ou en pseudo-couleurs. L’analyse de ce type d’images repose sur des principes et méthodes à ce jour relativement bien établis. D’autres domaines en revanche ne peuvent se satisfaire d’une information en niveaux de gris et nécessitent l’analyse d’images en couleurs ou multispectrales. C’est par exemple le cas en microscopie optique, où la mise en évidence de structures biologiques est fréquemment obtenue par des marqueurs colorés, ou en imagerie satellitaire. Dans la chaine de traitement d’images, la segmentation est une étape primordiale puisqu’elle conditionne la qualité de l’interprétation, puis de la prise de décision .Si on se réfère a la littérature dans ce domaine, on se rend compte que ce problème est difficile et que le chemin qui mène à sa résolution et encore long.
Hématologie cellulaire
La cytologie
La cytologie, science de l’observation des cellules(cyto signifie cellule en grec), a connu un développement considérable grâce à des techniques d’observation de plus en plus sophistiquées. Ces techniques permettent d’obtenir une multitude d’images : microscopie photonique, à contraste de phase, électronique, immunocytochimie, etc. . . Les images que nous aurons à analyser sont des images de cytologie.
Les cellules sanguines
On observe dans le sang des cellules spéciales réparties entre érythrocytes et leucocytes. On y trouve aussi des plaquettes, qui ne sont pas considérées comme de véritables cellules. Voyons maintenant les différentes catégories de cellules sanguines.
Les globules rouges
Les globules rouge ou les érythrocytes sont les cellules sanguines les plus nombreuses, Chez les humains comme chez tous les mammifères, les érythrocytes sont dépourvus de noyau et prennent la forme d’une lentille biconcave. Chez les autres vertébrés (p. ex., poissons, amphibiens, reptiles et oiseaux), ils ont un noyau. Les globules rouges sont riches en hémoglobine, une protéine capable de se lier faiblement à l’oxygène. Ainsi, ces cellules sont chargées de l’apport d’oxygène aux tissus et en partie de la récupération du gaz carbonique rejeté par le corps. Toutefois, l’essentiel du CO2 est transporté dans le plasma sous forme de carbonates solubles.
Les globules blancs
Les globules blancs ou les leucocytes sont chargés de défendre l’organisme. Ils sont beaucoup moins nombreux dans le sang que les globules rouges. La densité des leucocytes dans le sang est de 5 000 à 7 000/mm3. Les leucocytes se divisent en deux catégories : les granulocytes et les cellules lymphoïdes ou agranulocytes.
Le terme granulocytes est dû à la présence de granules dans le cytoplasme de ces cellules. Les granules varient selon les différent types de granulocyte, ce qui aide à les distinguer entre eux. En fait, ces granules ont des affinités différentes à l’égard des colorations neutres, acides ou basiques, et donnent au cytoplasme des couleurs différentes.
Les cellules lymphoïdes ou agranulocytes : normalement ces cellules semblent dépourvues de granules, elles ont un noyau compact et unique et un cytoplasme transparent. Il en existe deux types : les lymphocytes et les monocytes .
Les plaquettes
appelées aussi thrombocytes, sont en fait des fragments cellulaires dépourvus de noyau et résultant de l’éclatement d’énormes cellules de la moelle osseuse, appelées mégacaryocytes, de 2 à 5 micromètres de diamètre ; on y distingue deux zones : le centre de la cellule (chromomère) contenant des granulations et la périphérie (hyalomère) plus homogène. Leur durée de vie est très brève, entre 5 et 10 jours et leur nombre varie entre 250.000 et 400.000 /mm3 de sang. Les thrombocytes jouent un rôle extrêmement important dans de la coagulation sanguine.
La coloration May-Grünwald Giemsa
La coloration May-Grünwald Giemsa s’applique en cytologie afin d’avoir une vision précise sur la composition et la différentiation des cellules sanguine et médullaires. Cette coloration se fait en deux temps, préconisant l’emploi successif de deux mélanges complexes de colorants : la solution May-Grünwald, mélange neutre de l’éosine et de bleu de méthylène en solution alcoolique, et la solution Giemsa ajoutant au colorant précédant l’azur de méthylène, initialement inactifs dans l’alcool méthylique, après addition d’eau, les sels de ces deux colorants précipitent et se fixent électivement sur les constituants cellulaires. Les colorants basiques fixent les constituants cellulaires acides qui seront qualifiés de basophiles (adn, cytoplasme des lymphocytes riche en arn), les colorants acides fixent les constituants cellulaires basiques qui seront qualifiés d’acidophiles ou d’éosinophiles (de l’hémoglobine, des granulations des granulocytes éosinophiles) et les constituants fixant les deux types de colorants sont dits neutrophiles Résultat :
– Les noyaux sont de bleu à violet-noir ;
– Les granulations des granulocytes basophiles sont bleu-noir ;
– Les hématies sont beige-rosé, les granulations des granulocytes éosinophiles sont orangé .
– Les granulations des granulocytes neutrophiles sont violet-lilas ;
– Les granulations des grands lymphocytes sont pourpres.
Le plasma
Le plasma sert de moyens de transport des trois principaux constituants du sang : les globules rouges, les globules blancs et les plaquettes sanguines. Il est composée d’eau (90 %) et de substances solubles : protéines (albumine, globulines), glucides, lipides, sels minéraux. Le plasma est principalement constitué d’eau, mais contient aussi des nutriments, des déchets issus des différentes réactions de l’organisme, et des protéines. Il est possible de séparer le plasma des éléments solides du sang en pratiquant une centrifugation. Il est ensuite utilisé dans le traitement de diverses maladies par transfusion. En très grande partie constitué d’eau (92%) le plasma contient:
– des électrolytes et des sels minéraux (Na, K, Ca …),
– des produits des métabolismes cellulaires (urée, bilirubine, Co2 …),
– des enzymes,
– des hormones,
– des nutriments (glucides, lipides),
– des protides.
L’hématopoïèse
L’hématopoïèse est la fonction par laquelle l’organisme produit et renouvelle les éléments figurés du sang (érythrocytes, leucocytes et plaquettes). Cette production, très finement régulée, est issue de cellules souches hématopoïétiques, capables de s’autorenouveler, ce qui permet le maintien d’un nombre constant de cellules souches, et de se différencier pour assurer le renouvellement des cellules qui meurent physiologiquement (et même assurer un renouvellement encore plus rapide en cas d’accroissement des besoins). Au sein de l’hématopoïèse, on distingue la myélopoïèse, permettant la production des cellules myéloïdes (hématies, polynucléaires, monocytes, plaquettes), et la lymphopoïèse permettant la production des lymphocytes. La régulation de l’hématopoïèse est sous le contrôle de nombreux facteurs de croissance.
Le traitement d’image
Définition d’une image
Une image est une représentation planaire d’une scène ou d’un objet situé en général dans un espace tridimensionnel. Elle peut être décrite sous la forme d’une fonction I( x, y) tq : x et y sont des cordonnées spatiales d’un point de l’image et I est une fonction d’intensité lumineuse (niveau de gris et de couleur). Cette valeur est généralement proportionnelle à l’énergie rayonnante reçue dans la bande de fréquence électromagnétique. Sous cet aspect, l’image est inexploitable par la machine, ce qui nécessite sa numérisation.
Typologie d’image
Les formats d’images sont à diviser en deux grandes familles:
– les images vectorielles : elles sont utilisées pour stocker des objets géométriques (lignes, cercles… plus généralement courbes et polygones). Elles autorisent un stockage efficace et surtout permettent une restitution fidèle quel que soit le zoom appliqué à l’image Par contre ces formats sont peu appropriés pour représenter des images complexes et ne comportant pas de formes géométriques apparentes
– les images matricielles : consistait originellement à stocker sous forme d’un grand tableau les valeurs des pixels. On obtient des images matricielles à l’aide d’un appareil photo numérique, d’une caméra vidéo numérique ou d’un scanner. L’image peut être décomposé sous la forme d’une fonction f(x,y) de brillance analogique continue , définie dans un domaine borné ; tel que x et y sont les coordonnées spatiales d’un point de l’image et f une fonction d’intensité lumineuse ou de couleur, sous cet aspect , l’image est inexploitable par la machine ce qui nécessite sa numérisation .
Résolution d’une image
La résolution détermine le nombre de points par unité de surface, exprimé en points par pouce (PPP, en anglais DPI pour Dots Per Inch) ; un pouce représentant 2.54 cm. La résolution permet ainsi d’établir le rapport entre le nombre de pixels d’une image et la taille réelle de sa représentation sur un support physique. La résolution de l’écran est exprimée sous la forme d’une multiplication entre le nombre de pixels horizontaux et le nombre de pixels verticaux.
Caractéristiques de l’image numérique
pixel
Le pixel est le plus petit point de l’image , Il provient de l’expession « picture element » élément d’image, a chaque pixel on associe un niveau de gris as et une étiquette λs.
bruit
un bruit (parasite) dans une image est considéré comme un phénomène de brusque variation de l’intensité d’un pixel par rapport à ses voisins, il provient de l’éclairage des dispositifs optiques ou d’une baisse momentanée de l’intensité électronique du capteur.
histogrammes
L’histogramme des niveaux de gris d’une image est une fonction qui donne la fréquence d’apparition de chaque niveau de gris dans l’image. Il est utilisé pour :
• Diminuer l’erreur de quantification.
• Comparer deux images obtenues sous des éclairages différents.
• Mesurer certain propriétés sur une image.
• Donner d’information sur la distribution des niveaux de gris et de voir entre quelles bornes est répartie la majorité des niveaux de gris.
• Améliorer la qualité d’une image (rehaussement d’image) en introduisant quelques modifications.
Conclusion générale
Dans ce mémoire, nous avons développé un modèle de segmentation d’images microscopiques basé sur un apprentissage supervisé. Dans un premier temps, nous avons commencé par découvrir l’hématologie cellulaire, en montrant l’importance de l’analyse et la quantification microscopique, et en parachevant nos connaissances dans ce domaine par un apprentissage de la cytomorphologie des cellules médullaires et sanguines. Nous avons exploré et exploité par la suite les différentes méthodes de traitement d’images dans toutes ses formes. Dans le but de mieux faire appréhender la notion des textures, il nous a semblé intéressant de bien expliquer les différentes typologies et notions de celle-ci. Nous avons procéder par la suite à une explication très bien détaillé sur les différentes méthodes de segmentation, et la caractérisation basée sur l’extraction d’attributs statistiques, et de texture ainsi qu’un brève aperçu sur la classification et ses paramètres. Les résultats obtenus ont été très convaincants et encourageants, ce qui nous permettra de poursuivre l’étude et essayer d’améliorer la méthode préconisée.
|
Table des matières
Introduction générale…
Chapitre 1 Hématologie cellulaire
1.1 Introduction
1.2 La cytologie
1.3 Les cellules sanguines
1.3.1 Les globules rouges
1.3.2 Les globules blancs
1.3.4 Les plaquettes
1.3.5 La coloration May-Grünwald Giemsa
1.4 Le plasma
1.5 L’hématopoïèse
Chapitre 2 Le traitement d’image
2.1 Introduction
2.2 Définition d’une image
2.2.1 Typologie d’image
2.2.2 Image numérique
2.2.3 Résolution d’une image
2.2.4 Caractéristiques de l’image numérique
2.2.4.1 pixel
2.2.4.2 bruit
2.2.4.3 histogrammes
2.2.4.4 textures
2.2.4.5 luminance et contraste
2.2.4.6 niveau de gris
2.2.5 Opérations sur les images numériques
2.2.5.1 le seuillage
2.2.5.2 l’atténuation du bruit
2.2.5.3 le lissage
2.3 Espace couleur
2.3.1 Espaces RVB
2.3.2 Espaces luminance-chrominance
2.3.3 L’espaces XYZ
2.3.4 L’espace YUV
2.3.5 L’espaces LUV
2.3.6 L’espaces HSL (Hue Saturation Luminance)
2.3.7 Les familles de systèmes de représentation de la couleur
2.4 Conclusion
Chapitre 3 Généralités sur la texture
3.1 Introduction
3.2 Définition de la texture
3.3 Classification de la texture
3.3.1 Texture structurelles
3.3.2 Texture aléatoires
3.3.3 Texture directionnelle
3.4 Analyse de texture
3.4.1 Les méthodes géométriques
3.4.2 Les méthodes basées sur la modélisation spatiale des textures
3.4.3 Les méthodes spatio-fréquentielle
3.4.4 Les méthodes statistique
3.5 Classification d’image texturé
3.6 Segmentation d’image texturé
3.7 Conclusion
Chapitre 4 Segmentation par classification pixéllaire
4.1 Introduction
4.2 Taxonomie de méthode de segmentation d’image
4.2.1 Méthode de segmentation basée contours
4.2.2 Méthode de segmentation basée Régions
4.3 Matrice de cooccurrence
4.4 Attribut texture d’haralick
4.4.1 L’énergie
4.4.2 Le contraste
4.4.3 La corrélation
4.4.4 La variance
4.4.5 Moment différenciel inverse (Homogénéité)
4.4.6 Moyenne des sommes
4.4.7 Variance des sommes
4.4.8 Entropie des sommes
4.4.9 L’entropie
4.4.10 Variance des différences
4.4.11 Entropie des différences
4.4.12 Information sur la corrélation
4.4.13 Information sur la corrélation
4.4.14 Coefficient de corrélation maximal
4.5 Méthode d’évaluation pour classification supervisée
4.5.1 Matrice de confusion deux classes
4.5.2 Précision, Rappel et Accuracy
4.5.3 Sensibilité et Spécifité
4.5.4 Matrice de confusion Multi-classes
4.5.5 Précision, Rappel et Accuracy
4.6 Classification pixelaire
4.6.1 Définition d’un classifieur
4.6.2 Typologie de classification pixellair
4.6.3 SVM ( Support Vector Machine )
4.6.3.1 Introduction
4.6.3.2 Principe de fonctionnement générale
4.6.3.3 Hyperplan, marge et support vecteur
4.6.3.4 Linéarité et non-linéarité
4.6.3.5 Fonctionnement des machines à vecteurs support
4.7 Conclusion
Chapitre 5 Application et tests
5.1 Préliminaire
5.2 Acquisition des images microscopiques
5.3 Phase d’apprentissage
5.3.1 La base d’apprentissage
5.3.2 La base de tests
5.4 Phase de prétraitement
5.5 Phase d’étiquetage
5.6 Phase de coloration des parties concernées
5.7 Segmentation
5.8 Résultats et discussions
5.9 Présentation de l’interface graphique
5.9.1 Charge une image
5.9.2 Texture d’image selon l’attribut Contrast
5.9.3 Texture d’image selon l’attribut Homogénéité
5.9.4 Texture d’image selon l’attribut Energie
5.9.5 Texture d’image selon l’attribut Entropie
5.9.6 Segmentation par SVM
5.10 Conclusion
Conclusion générale
Télécharger le rapport complet
