Interférométrie stellaire et tomographie médicale Éric Thiébaut – Bordeaux, 19/04/2012 ● ● ● 41 interférométrie astronomique – faire interférer des télescopes distants – résolution angulaire ~ 0.001 seconde d'arc (5×10-9 rd) – couverture parcimonieuse des fréquences spatiales tomographie médicale – mesures de projections d'un objet 3-D – analogue à mesure de coupes dans le plan de Fourier méthode de reconstruction nécessaire Éric Thiébaut – Bordeaux, 19/04/2012 Interférométrie optique 42 Principe de l'interférométrie optique mesure = visibilité complexe instantanée : Éric Thiébaut – Bordeaux, 19/04/2012 V 1,2 t = I 1,2 T ∗1 t T 2 t 43 transformée de Fourier de la distribution d'intensité de l'objet fréquence spatiale : instrument couverture du plan (u,v) 1,2 fonctions de transfert de l'amplitude complexe des télescopes r 2 −r 1 = base projetée (B) longueur d'onde Réponse impulsionnelle brute, couverture (u,v) réponse impulsionnelle brute Éric Thiébaut – Bordeaux, 19/04/2012 fréquences spatiales observées (u,v) coverage for Arcturus 44 objet : α Boo (Arcturus) IOTA/IONIC interferometer source : S. Lacour et al. (2007) Le problème de la turbulence mesure de visibilité complexe instantanée : Éric Thiébaut – Bordeaux, 19/04/2012 fonction de transfert d'amplitude complexe : déphase aléatoire : V 1,2 t = I 1,2 T ∗1 t T 2 t T k t = e i k t 2 k t k t = temps de cohérence de la turbulence ~ 1 ms en intégrant pendant une pause : 〈V 1,2 t 〉 = I 1,2 〈T ∗1 t T 2 t 〉 = 0 0 il faut trouver des estimateurs non-linéaires insensibles à la turbulence 45 (après calibration photométrique) Mesures en interférométrie optique visibilité complexe instantanée : V j , k t = I j , k T ∗j t T k t Éric Thiébaut – Bordeaux, 19/04/2012 T k t = e 46 i k t 〈V 1,2 t 〉 = I 1,2 〈T ∗1 t T 2 t 〉 = 0 spectre de puissance : 〈∣V 1,2 t ∣2 〉 = ∣I 1,2 ∣2 bispectre : 〈V 1,2 t V 2,3 t V 3,1 t 〉 = I 1,2 = I 1,2 I 2,3 I 2,3 I 3,1 〈ei [ t − t ]i [ t − t ]i[ t − t ] 〉 I ∗ 1,2 2,3 2 1 3 2 1 3 Éric Thiébaut – Bordeaux, 19/04/2012 Difficultés ● non-linéarités ● pauvreté de la couverture du plan (u,v) ● manque de mesures de phase de Fourier (e.g. 1 clôture de phase pour 3 amplitudes) ● ● 47 contraintes – positivité – normalisation (calibration) transformation de Fourier (échantillonnage spectral irrégulier) Approche de type Problèmes Inverses Éric Thiébaut – Bordeaux, 19/04/2012 modèle direct : 48 k=N I = ∑ x k bk k =1 paramètres T.F. interpolation spectrale I j = k=N ∑ A j ,k x k k =1 base de fonctions reconstruction d'image reformulée comme un problème d'optimisation sous contraintes : k=N x best = arg min x { f data x f prior x } attache aux données (cohésion du modèle avec les données, e.g. chi-2 : χ2) tel que : régularisation (cohésion du modèle avec les a priori, e.g. champ de vue limité) xk ≥0, ∀ k positivité et ∑ xk = 1 k =1 normalisation Terme d'attache aux données radio-astronomie Éric Thiébaut – Bordeaux, 19/04/2012 mesures de visibilités complexes : T f data x = A⋅x−d ⋅W⋅A⋅x−d 1 = 2 ∥A⋅x−d∥2 hypothèse : bruit Gaussien (2D) pour une mesure complexe interférométrie optique (visible / IR) mesures de bispectre : f data x = ∑ 12 ∣x j k ∗ 1, k 2, k 3, k k séparation des mesures de module et de phase (enroulement de phase) non-convexe 49 2 x j x j −d k∣ avec x ≡A⋅x Imaging Beauty Contest 2008 50 (Cotton et al., 2008) Éric Thiébaut – Bordeaux, 19/04/2012 objet (AGN) reconstructions BSMEM (Baron et al. 2008) MiRA (Thiébaut 2008) building-blocks method (Hofmann & Weigelt, 1983) MACIM (Ireland et al., 2008) Reconstruction avec/sans information de phase couverture (u,v) objet à la résolution de l'interféromètre Éric Thiébaut – Bordeaux, 19/04/2012 objet reconstruction (spectre de puissance + clôtures) 51 reconstruction (sans phase de Fourier) 52 Chi-Cygni (le Bouquin et al., 2009, Astron. & Astrophys. Lett. 496, L1) (Lacour et al., 2009, Astrophys. J. 707, 632) Éric Thiébaut – Bordeaux, 19/04/2012 Application à des données T Leporis application à la tomographie médicale Éric Thiébaut – Bordeaux, 19/04/2012 ● ● ● bénéficier des avantages de l'approche inverse – modélisation plus réaliste des mesures (instrument et bruits) – images exploitables (pour diagnostic) à partir de moins de mesures ou de mesures de moindre qualité – moins de rayonnement absorbé par le patient (et le praticien) – objectif : tomographie dynamique (x,y,z,t) modèle plus fin que l'état de l'art (distance driven) – modèle continu de l'objet sur une base de B-splines – projections (parallèle, fan beam et conique) approximées comme étant séparables le long des axes du détecteur reconstruction itérative avec contrainte de régularisation – reconstruction sous régularisation moindre → plus de détails préservés 53 Éric Thiébaut – Bordeaux, 19/04/2012 Comparaison avec état de l'art reconstructions à partir de 60 projections (Momey et al., 2011, conf. GRETSI) (Momey et al., 2011, conf. IEEE-MIC) 54 reconstruction dynamique Éric Thiébaut – Bordeaux, 19/04/2012 - modèle B-spline amélioré - régularisation spatio-temporelle type variation totale (TV 2-D + t) objet vrai 55 reconstruction (à partir de 25 projections/trame) (Momey et al., 2012) Reconstruction d'image en astronomie et imagerie bio-médicale ● Éric Thiébaut – Bordeaux, 19/04/2012 ● – quelle régularisation ? – mesures quantitatives sur des images reconstruites ? données multivariées – ● imagerie hyper-spectrale en spectrographie intégrale de champ déconvolution aveugle – coronarographie – microscopie 3-D ● réponse variable dans le champ ● interférométrie et tomographie ● 56 déconvolution d'image – interférométrie optique – tomographie dynamique détection – exo-planètes – particules en holographie numérique Holographie numérique : principe Applications : détection, comptage et vélocimétrie de particules Position de la figure de diffraction → (x,y), forme → (z,r) 57 100 particules Modèle analytique dans l'approximation de Fresnel et des faibles densités 10 particules Éric Thiébaut – Bordeaux, 19/04/2012 Montage en ligne de type Gabor Holographie numérique : algorithme minimisation de fdata par un algorithme glouton (greedy) avec raffinements des paramètres n 58 Soulez, Denis, Thiébaut, Fournier & Goepfert, JOSA-A 24, 3708 (2007). po si t pr of i on on de ur ta ill e ̃I (a) = I 0− ∑ α k m(a−ak , z k ,r k) k=1 in te n l a s i té se r od èl e m do n avec Éric Thiébaut – Bordeaux, 19/04/2012 po i né es 2 ̃ w (a) I (a)− I ( a) [ ] ∑a ds f data = Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 59 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 60 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 61 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 62 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 63 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 64 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 65 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 66 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 67 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : détection 68 Éric Thiébaut – Bordeaux, 19/04/2012 Holographie numérique : Précision de localisation inside inside erreurs en position latérale (x,y) erreurs en profondeur (z) méthode classique : précision de l'ordre de 4 µm (z), 3 µm (x,y) approche inverse : précision meilleure que 0.3 µm (partout) 69 Soulez, Denis, Fournier, Thiébaut & Goepfert, JOSA-A 24, 1164 (2007). avec { 1 ∥A . x− y∥22 ∥x∥1 2 } k=N ∥x∥1 = ∑ ∣x k∣ k =1 x = objet 3-D y = image holographique A = opérateur de Fresnel approche inverse Éric Thiébaut – Bordeaux, 19/04/2012 x = arg min x reconstruction classique reconstruction avec contrainte de parcimonie hologramme Holographie numérique : approche parcimonieuse 70 (Denis et al. 2009, Opt. Lett. 34, p. 3475) Éric Thiébaut – Bordeaux, 19/04/2012 Interféromètre classique 71 Éric Thiébaut – Bordeaux, 19/04/2012 Interféromètre de Bracewell 72 Darwin observable Éric Thiébaut – Bordeaux, 19/04/2012 A(λ , t) = 73 instrument objet observé 2 R(θ , λ , t) F (θ , λ ,t ) d θ ∫∫ direction F (θ , λ , t) temps longueur d'onde R(θ , λ , t) Éric Thiébaut – Bordeaux, 19/04/2012 Détection d'exop-planètes cartes du critère f = fdata + fprior en fonction de la position supposée de la planète et compte tenu des planètes déjà détectées spectre reconstruit 74 (Thiébaut & Mugnier, 2006, IAU conf.) Imagerie bio-médicale et astronomique Éric Thiébaut – Bordeaux, 19/04/2012 ● 75 ● ● des similitudes – données manquantes (troncature, projection, etc.) – bas flux (rapport signal/bruit défavorable) – réponse instrumentale pas/mal étalonnée fertilisation croisée – méthodes itératives non-paramétriques – déconvolution aveugle – réponse variable développements – réponse variable auto-étalonnée – données multi-variées (spatio-temporel/spectral) – méthodes non supervisées (automatisation) → utilisables par des non-experts