Multimodal image registration in 2D and 3D correlative microscopy
Recalage multimodal d'images en microscopie corrélative 2D et 3D
Abstract
This thesis is concerned with the definition of an automated registration framework for 2D and 3D
correlative microscopy images, in particular for correlative light and electron microscopy (CLEM) images.
In recent years, CLEM has become an important and powerful tool in the bioimaging field. By
using CLEM, complementary information can be collected from a biological sample. An overlay of the
different microscopy images is commonly achieved using techniques involving manual assistance at
several steps, which is demanding and time consuming for biologists. To facilitate and disseminate
the CLEM process for biologists, the thesis work is focused on creating automatic registration methods
that are reliable, easy to use and do not require parameter tuning or complex knowledge. CLEM
registration has to deal with many issues due to the differences between electron microscopy and light
microscopy images and their acquisition, both in terms of pixel resolution, image size, content, field
of view and appearance. We have designed intensity-based methods to align CLEM images in 2D and
3D. They involved a common representation of the LM and EM images using the LoG transform, a
pre-alignment step exploiting histogram-based similarities within an exhaustive search, and a fine
mutual information-based registration. In addition, we have defined a robust motion model selection
method, and a multiscale spot detection method which were exploited in the 2D CLEM registration.
Our automated CLEM registration framework was successfully tested on several real 2D and 3D CLEM
datasets and the resultswere validated by biologists, offering an excellent perspective in the usefulness
of our methods.
Cette thèse porte sur la définition d’un schéma de recalage automatique en microscopie corrélative
2D et 3D, en particulier pour des images de microscopie optique et électronique (CLEM). Au cours des
dernières années, la CLEMest devenue un outil d’investigation important et puissant dans le domaine
de la bio-imagerie. En utilisant la CLEM, des informations complémentaires peuvent être collectées
à partir d’un échantillon biologique. La superposition des différentes images microscopiques est
généralement réalisée à l’aide de techniques impliquant une assistance manuelle à plusieurs étapes,
ce qui est exigeant et prend beaucoup de temps pour les biologistes. Pour faciliter et diffuser le
procédé de CLEM, notre travail de thèse est axé sur la création de méthodes de recalage automatique
qui soient fiables, faciles à utiliser et qui ne nécessitent pas d’ajustement de paramètres ou de connaissances
complexes. Le recalage CLEM doit faire face à de nombreux problèmes dus aux différences
entre les images de microscopie électronique et optique et leur mode d’acquisition, tant en termes de
résolution du pixel, de taille des images, de contenu, de champ de vision et d’apparence. Nous avons
conçu des méthodes basées sur l’intensité des images pour aligner les images CLEMen 2D et 3D. Elles
comprennent plusieurs étapes : représentation commune des images LM et EMà l’aide de la transformation
LoG, pré-alignement exploitant des mesures de similarité à partir d’histogrammes avec une
recherche exhaustive, et un recalage fin basé sur l’information mutuelle. De plus, nous avons défini
une méthode de sélection robuste de modèles de mouvement, et un méthode de détection multiéchelle
de spots, que nous avons exploitées dans le recalage CLEM 2D. Notre schéma de recalage automatisé
pour la CLEM a été testé avec succès sur plusieurs ensembles de données CLEMréelles 2D et
3D. Les résultats ont été validés par des biologistes, offrant une excellente perspective sur l’utilité de
nos développements.
Origin | Files produced by the author(s) |
---|
Loading...