/
Français
English
UEF Ttraitement Avancé d'Image Biologiques
ECUE's code : SMUSVPF
PRESENTATION
Traitement avancé d'images biologiques
Cet enseignement forme les étudiants à la manipulation d'images de microscopie au travers de logiciels en accès libre (Jupyter Notebooks, ImageJ, Ilastik) afin qu'ils soient autonomes en arrivant au laboratoire d'accueil au moment de leur stage.
Advanced biological image processing
This course trains students in manipulating microscopy images using open-source softwares (Jupyter Notebooks, ImageJ, Ilastik) so that they are autonomous when they arrive in the host laboratory for their internship.
Course's manager(s)
Fabienne De Graeve
In class
- 12h of lectures
- 10h of practical work
PREREQUISITES
-
avoir validé
OBJECTIVES
- construire et d'évaluer quantitativement et qualitativement l'efficacité d'une pipeline de traitement d'images.
- en s'appuyant sur les propriétés des images à analyser, d'utiliser des approches originales et adaptées telles que intelligence artificielle, afin de segmenter ces images et d'en extraire de manière optimale et non biaisée les informations pertinentes.
- simuler et d'utiliser des images de test.
- détecter et caractériser la trajectoire d'objets en mouvement.
CONTENT
-
Machine learning pixel classification for image segmentation
-
Machine learning object classification
Ilastik software
- Pixel classification
- Object classification
-
Advanced segmentation
- Active contours
- Level sets
-
Object tracking
Trackmate
- Introduction
- The GUI
-
Synthetic images
- Why synthetic images ?
- Generation of synthetic images
- Objects : Built-in Macro Functions ImageJ
- Noise : Plugins > RandomJ
- Quality control of segmentation pipeline :
- F1 score, Jaccard index : Plugins > MorphoLibJ > Analyze > Label Overlap Measures