Traitement des Images Fluorescentes, Restauration & Déconvolution Yves USSON Reconnaissance des Formes & Microscopie Quantitative Lab. TIMC UMR 5525 CNRS, IN3S, Grenoble Yves Usson Paris, 2003 Propriétés des images de microscopies phoniques Lumière transmise Fluorescence - Niveau élevé levé de lumiè lumière --> bon rapport signal sur bruit - Niveau faible de lumiè lumière --> mauvais rapport signal sur bruit - L’ L’absorption est un processus multiplicatif --> contraste élevé levé de marquage - L!’é mission de lumiè L!’émission lumière est un processus additif - Processus d!’ illumination-collection d!’illumination-collection cohé cohérent --> peu de lumiè lumière diffracté diffractée et diffusé diffusée - Processus d!’é mission non-cohé d!’émission non-cohérent --> diffraction et diffusion élevé levées Le contraste et la résolution spatiale sont altérées par une «!brume!» caractéristique Images bruitées Yves Usson Paris, 2003 Le bruit photonique dans les images de fluorescence et traitement numérique Yves Usson Paris, 2003 Le bruit photonique dans les images de fluorescentes “Le bruit photonique” : de quoi s’agit-il? Rapport signal/bruit (SNR) -> moyenne / variation Image de FISH Histogramme d’ d’intensité intensité Yves Usson Paris, 2003 Le bruit photonique dans les images de fluorescentes Propriétés statistiques du bruit photonique 2 Bruit de Poisson : µ = ! 1.00 Source 3 photons/ms 0.80 0.60 1.0 2.2 3.2 4.5 5.5 0.40 0.20 2 4 1 6 3 0.00 0 2 4 6 8 10 12 14 “mauvais” SNR Temps d’inté intégration 1ms : signal moyen 3 photons 16 18 20 22 24 26 28 30 32 34 36 38 40 “bon” SNR µ SNR(dB) = 10 log " $ # 3! % Yves Usson Paris, 2003 Restauration : suppression du bruit de Poisson Amélioration du SNR : filtrage par intégration temporelle Temps d’intégration 0,5 s integration 2 s integration 16 s Réalisé pendant l’acquisition : moyennage d’images, filtrage de Kalman Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Filtres directs Filtres adaptatifs Convolution liné linéaire Adapté Adapté aux bruits gaussien et de Poisson Rapide, peut être ité itéré Altè Altère la ré résolution ! Filtre de rang (Mé (Médian) Adapté Adapté au bruit impulsionnel Rapide, peut être ité itéré Pré Préserve les bords Détruit les structure fines et peut cré créer des textures peu naturelles ! Filtres stochastiques Moyenne tronqué tronquée Propagation de gradient Diffusion anisotropique Adapté Adapté aux bruits gaussien et de Poisson Assez rapide, peut être ité itéré Pré Préserve les bords Pré Préserve les structures fines Repose sur la connaissance des paramè paramètres du bruit ! Champs de Markov Filtre à relaxation Filtre quasi idé idéal ! Ttrrèè èèss ss lleenntt ! Ttrr Solution idé idéale quand les ordinateurs seront mille fois plus puissants ! Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Evaluation de diverse techniques Image de test Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Evaluation de diverse techniques Image test + bruit Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Filtrage Gaussien Image filtrée Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Filtrage d’ordre (filtre médian) Image filtrée Yves Usson Paris, 2003 Le bruit photonique dans les images de fluorescentes Filtrage adaptatif : Propagation du gradient Module d’analyse Détection de gradient et de lignes Pondé Pondération Image bruitée Filtre Gaussien Image filtrée x + x Module de filtrage Yves Usson Paris, 2003 Filtrage numérique du bruit photonique Filtrage adaptatif Image filtrée Yves Usson Paris, 2003 Bruit photonique dans les images de fluorescence Image brute Yves Usson Filtre adaptatif Filtre médian Paris, 2003 Restauration de la résolution latérale des images de fluorescence Déconvolution numérique 2D Yves Usson Paris, 2003 Résolution des images de microscopie oxy ixy ixy i= =xyh! oxyo+ xy h xy ! xy n [ !1 !1 ˆ oˆxy o =xyh= "xy i" xynxy xy h xy i! ] Disque d’ d’Airy (PSF) Source ponctuelle Rayons diffracté diffractés Yves Usson Plan image Paris, 2003 Résolution des images de microscopie Mesure de la fonction d’étalement du point (PSF) Image de microbilles (0,2µm) Profil d’intensité théorique Profil d’intensité mesuré Echantillon de part et d’autre Echantillon de part et d’autre Profil d’intensité théorique Profil d’intensité théorique Echantillon centré Profil d’intensité mesuré Echantillon centré Yves Usson Paris, 2003 Résolution des images de microscopie Déconvolution contrainte itérative image i PSF h Estimateur ô convolution estimateur flou différences erreurs i correction Filtre de bruit Yves Usson nouvel estimateur Paris, 2003 Résolution des images de microscopie Déconvolution contrainte itérative Image test synthétique Flou et bruit Image test floue Restauration simple Image test restaurée Restauration améliorée Yves Usson Paris, 2003 Restauration de la résolution latérale Déconvolution numérique Surface d’intensité Yves Usson Paris, 2003 Restauration de la résolution latérale Déconvolution numérique karyotype de souris DAPI Yves Usson Restauration : “banding” lisible Paris, 2003 Restauration de la résolution axiale des images de fluorescence Déconvolution numérique 3D Yves Usson Paris, 2003 Restauration de la résolution axiale Plan focal xy Section xz Yves Usson Paris, 2003 Restauration de la résolution axiale Stratégies Déconvolution contrainte itérative Microscope confocal Déconvolution “plus proches voisins” Ramener la lumière là où Eliminer la lumière hors-focale ! elle doit être ! (rejeter les photons dispersés) (reconcentrer les photons dispersés) Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des plus proches voisins : Introduit par Castleman en 1964 pour la microscopie en champ clair Postulat : un pixel dans le plan focal est la somme de lumière appartenant effectivement au plan focal et de lumière parasite. Cette dernière correspond à une fraction de la lumière contenue par le diabolo d’illumination (cône d’illumination et cône de dispersion de part et autre du plan focal). Algorithme : pour un pixel donné, moyenner les intensités des pixels situés dans les plans immédiatement au-dessus et en dessous du plan focal qui intersectent le cône d’illumination ou de dispersion. Retrancher un pourcentage de cette moyenne de la valeur du pixel considéré. Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des “plus proches voisins” 0µm 1.44µm 2.88µm 4.32µm 10µ 10µm 5.76µm Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des “plus proches voisins”(Castleman 1967) Plan au-dessus au-dessus Plan courant Plan en-dessous en-dessous Soustraction des plans sous et sussusjacent flous Plan restauré restauré Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des “plus proches voisins” 0µm 1.44µm 2.88µm 4.32µm 5.76µm Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des “plus proches voisins” Données brutes 3D Données restaurées Yves Usson Paris, 2003 Restauration de la résolution axiale L’algorithme des “plus proches voisins” Section brute non-confocale non-confocale Yves Usson Section restauré restaurée Section confocale Paris, 2003 Résolution dans les images de microscopie 3D Mesure de la fonction d’étalement du point (PSF) Séries des sections optiques confocales de billes fluorescentes d’un diamètre de 0,2µm Yves Usson Paris, 2003 Restauration 3D : déconvolution contrainte itérative Spermatozoïde démembrané de Xenopus laevis incubé dans des extraits d’œuf. Cinétique de condensation chromosomique Plan focal XY Yves Usson Plans XZ reconstruction 3D Paris, 2003 Restauration 3D : déconvolution contrainte itérative Yves Usson Paris, 2003 Restauration de la résolution axiale Remarques importantes : - Il est essentiel d’utiliser la PSF expérimentale L’utilisation d’une PSF théorique ne permet une restauration optimale - La PSF empirique doit être symétrisée par révolution autour de l’axe Z ( pas aussi performant que la PSF brute mais offre une meilleur stabilité des algorithmes tout en donnant une restauration très satisfaisante) - N’ayez jamais totalement confiance dans le résultat d’une restauration ! Si quelqu!’un vous dit que vous pouvez avoir une confiance aveugle dans un algorithme, c’est un sacré galéjeur ! Yves Usson Paris, 2003