Méthodes robustes en traitement d'image pour la détection et la caractérisation d'objets compacts : application à la biologie - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2019

Robust image analysis methods for the detection and the characterization of compact objects : application to biology

Méthodes robustes en traitement d'image pour la détection et la caractérisation d'objets compacts : application à la biologie

Résumé

In the field of microbiology, many experiments are based on a fine observation of microorganisms. Because of their interest in the development of modern agri-food processes, it is important to study their development and survival rate under specific environmental conditions such as osmotic or thermal stress. Microscopic imaging is one of the most used tools for observing microorganisms. The manual interpretation of acquired images raises problems of subjectivity, cost and reproducibility. This thesis proposes the development of standardized image analysis tools allowing the interpretation of images at two scales:- At the scale of the observation slide: the use of specific counting slides (Malassez) allows, from the counting of the cells present in the zone of interest of the slide, to deduce the cell concentration of a solution of Saccharomyces cerevisiae subjected to osmotic stress. The tools developed allow for the identification and characterization of this area of interest (grid) and precise counting of the cells.- At the cell scale: a mutant strain of Saccharomyces cerevisiae allows for the observation in fluorescence the Pab1p-GFP protein involved in the formation of intracellular ribo-nucleoprotein aggregates consecutive to thermal stress. The tools developed allows for obtaining a statistical view of the development of these aggregates by automating the estimation of their number for a very large number of cells.
Dans le domaine de la microbiologie, de nombreuses expériences se basent sur une fine observation des micro-organismes. De par leur intérêt dans le développement de procédés agroalimentaires modernes, il est important d’étudier leur développement et leur taux de survie dans des conditions environnementales spécifiques telles que des stress osmotiques ou thermiques. L’imagerie microscopique est un des outils les plus utilisés pour observer les micro-organismes. L’interprétation manuelle des images acquises pose des problèmes de subjectivité, de coût et reproductibilité. Cette thèse propose le développement d’outils d’analyse d’image standardisés permettant l’interprétation des images à deux échelles :- A l’échelle de la lame d’observations : l’utilisation de lames de comptage spécifiques (Malassez) permet, à partir du comptage des cellules présente dans la zone d’intérêt de la lame, de déduire la concentration cellulaire d’une solution de Saccharomyces cerevisiae soumises à un stress osmotique. Les outils développés permettent l’identification et la caractérisation de cette zone d’intérêt (grille) puis le comptage précis des cellules.- A l’échelle de la cellule : une souche mutante de Saccharomyces cerevisiae permet d’observer en fluorescence la protéine Pab1p-GFP impliquée dans la formation d’agrégats ribo-nucléoprotéiques intracellulaires consécutifs à un stress thermique. Les outils développés permettent d’obtenir une vue statistique du développement de ces agrégats grâce à l’automatisation de l’estimation de leur nombre pour un très grand nombre de cellules.
Fichier principal
Vignette du fichier
78868_MARIN_2019_archivage.pdf (29.68 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02191661 , version 1 (23-07-2019)

Identifiants

  • HAL Id : tel-02191661 , version 1

Citer

Ambroise Marin. Méthodes robustes en traitement d'image pour la détection et la caractérisation d'objets compacts : application à la biologie. Traitement du signal et de l'image [eess.SP]. Université Bourgogne Franche-Comté, 2019. Français. ⟨NNT : 2019UBFCK018⟩. ⟨tel-02191661⟩
343 Consultations
2401 Téléchargements

Partager

Gmail Facebook X LinkedIn More