Méthodes de résolution de courbes multivariées pour la microspectroscopie CARS

Discipline

Electronique des Hautes Fréquences, Photonique et Systèmes

Classification

Sciences de l'ingénieur

Mots-clés libres

Résolution de courbes multivariées, Auto-encodeurs, Contrainte spatiale, Diffusion Raman anti-Stokes cohérente, Imagerie cellulaire

Mots-clés

Spectroscopie Raman,

Spectres moléculaires,

Imagerie en biologie,

Chimiométrie

La visualisation d’échantillons biologiques comme les cellules ou les tissus est une pratique habituelle pour les biologistes. Cette opération nécessite le plus souvent l’ajout de marqueurs pour mettre en évidence les constituants ou molécules d’intérêts. Cependant, l’ajout de ces marqueurs nécessite plusieurs étapes de traitement et altère de manière irrémédiable l’échantillon observé. Une alternative permettant de s’abstraire des marqueurs est la microspectroscopie vibrationnelle. Cette méthode permet d’utiliser le phénomène de vibration des liaisons chimiques pour acquérir un spectre caractérisant la composition chimique de l’échantillon. L’utilisation de cette méthode en plusieurs points permet d’acquérir une cartographie avec une forte richesse spectrale. Afin d’exploiter cette richesse et caractériser au mieux la composition du spécimen étudié, la résolution de courbes multivariées (ou MCR de l’anglais multivariate curve resolution) a pour objectif de déterminer les composants présents en caractérisant leur signature spectrale et leur concentration en chaque point de mesure de la cartographie. De nos jours, la MCR est essentiellement résolue par des régressions linéaires et ne tient pas compte de l’aspect spatial des données. Dans cette thèse, l’application de la résolution de courbes multivariées à des acquisitions de cellules et tissus utilisant la méthode de diffusion Raman anti-Stokes cohérente est introduite. Dans un second temps, une contrainte de segmentation est intégrée au sein de la MCR par l’implémentation d’une segmentation par contour actif. Pour finir, l’utilisation d’auto-encodeurs pour accomplir la MCR et intégré l’information spatiale est étudiée. Les résultats obtenus ont permis de mettre en évidence la visualisation de différents organites présents au sein de cellules en accord avec l’état de l’art ainsi qu’une caractérisation de leur signature spectrale. L’ajout de la contrainte permet une segmentation efficace de cellules et, combiné avec les résultats sans segmentation, apporte une information supplémentaire pour l’analyse des résultats. L’étude des auto-encodeurs met en évidence leur potentiel pour appliquer la MCR tout en abordant les limites liées à l’initialisation aléatoire des poids du réseau.