Du handicap à l'atout : l'IA exploite le phénomène de l'optique pour produire de meilleures images
Le potentiel, par exemple dans le domaine du diagnostic, est énorme
L'imagerie quantitative de phase (QPI) est une technique de microscopie largement utilisée pour étudier les cellules et les tissus. Bien que les premières applications biomédicales basées sur la QPI aient été développées, la vitesse d'acquisition et la qualité de l'image doivent être améliorées pour garantir une réception généralisée. Des scientifiques du Center for Advanced Systems Understanding (CASUS) du Helmholtz-Zentrum Dresden-Rossendorf (HZDR), basé à Görlitz, ainsi que de l'Imperial College London et de l'University College London proposent de tirer parti d'un phénomène optique appelé aberration chromatique - qui dégrade généralement la qualité de l'image - pour produire des images adéquates avec des microscopes standard. Grâce à un modèle d'IA génératif, il suffit d'une seule exposition pour obtenir la qualité d'image nécessaire pour rendre le QPI intéressant pour des applications en biomédecine. L'équipe a présenté ses travaux fin février lors de la 39e conférence annuelle sur l'IA de l'Association for the Advancement of AI (AAAI), organisée cette année à Philadelphie (États-Unis). L'article correspondant, évalué par les pairs, sera disponible dans le courant du mois de mars.
L'étiquetage d'échantillons biologiques à l'aide de colorants ou d'autres agents permet d'obtenir des informations précieuses. Mais cette approche présente certains inconvénients qui empêchent son utilisation à grande échelle dans les diagnostics cliniques : Elle prend du temps et nécessite des équipements et des réactifs coûteux. Ces dernières années, la recherche s'est donc concentrée sur certaines méthodes de microscopie sans étiquette, comme le QPI. Dans ce cas, ce n'est pas seulement l'ampleur de la lumière absorbée ou diffusée par l'échantillon qui est intéressante. En utilisant les informations relatives à la diffusion, la QPI permet également de déterminer comment l'échantillon modifie la phase de la lumière qui le traverse - un changement qui est directement lié à son épaisseur, à son indice de réfraction et à d'autres propriétés structurelles. Si la QPI nécessite également un équipement assez coûteux, ce n'est pas le cas de la QPI computationnelle.
L'une des principales approches informatiques de l'IPQ consiste à résoudre l'équation du transport de l'intensité (TIE). Cette équation différentielle permet de calculer une image de l'échantillon sur la base des changements de phase enregistrés. Cette approche est facile à intégrer dans un microscope optique existant et permet d'obtenir des images de bonne qualité. En revanche, la méthode TIE nécessite souvent des acquisitions multiples avec différentes distances de mise au point pour éliminer les artefacts. Le traitement des piles à travers la mise au point peut prendre du temps et être techniquement exigeant, de sorte que ce type de QPI basé sur la méthode TIE n'est souvent pas réalisable dans un contexte clinique.
Exploiter l'aberration chromatique
"Notre approche repose sur des principes similaires à ceux du TIE, mais ne nécessite qu'une seule image grâce à une combinaison astucieuse de physique et d'IA générative", explique le professeur Artur Yakimovich, chef d'un groupe de jeunes chercheurs de la CASUS et auteur correspondant des travaux présentés lors de la conférence de l'AAAI. Les informations sur le déphasage induit par le spécimen biologique ne proviennent pas d'expositions supplémentaires prises avec d'autres distances de mise au point. Un phénomène appelé aberration chromatique permet de générer une pile de clichés à travers la mise au point à partir d'une seule exposition. La plupart des systèmes de lentilles du microscope ne peuvent pas amener parfaitement toutes les longueurs d'onde de la lumière blanche (polychromatique) à un seul point de convergence - un handicap que seules des lentilles hautement spécialisées peuvent corriger. Cela signifie, par exemple, que la lumière rouge, verte et bleue (RVB) a des distances de mise au point légèrement différentes. "En enregistrant les déphasages de ces trois longueurs d'onde séparément à l'aide d'un détecteur RVB conventionnel, on peut construire une pile de mise au point qui facilite le calcul de l'IQP, transformant ainsi le handicap en atout", explique M. Yakimovich.
"L'utilisation des aberrations chromatiques pour réaliser le QPI pose un problème : la distance entre le foyer de lumière rouge et le foyer de lumière bleue est très faible", explique Gabriel della Maggiora, doctorant à l'ACSUS et l'un des deux auteurs principaux de la publication. La résolution de l'EIT de la manière habituelle ne donne pas de résultats significatifs. "Nous avons alors pensé que nous pourrions utiliser l'intelligence artificielle. Cette idée s'est avérée décisive", ajoute Mme della Maggiora. "Après avoir entraîné un modèle d'intelligence artificielle générative avec un ensemble de données en libre accès composé de 1,2 million d'images, le modèle a été capable d'extraire des informations sur la phase, même en s'appuyant uniquement sur les données très limitées fournies par l'enregistrement.
Méthode validée sur un échantillon clinique réel
L'équipe s'est inspirée d'un modèle génératif d'IA pour l'amélioration de la qualité des images présenté au printemps dernier : le modèle de diffusion variationnelle conditionnelle (CVDM). Ce modèle appartient à une famille particulière de modèles d'IA génératifs appelés modèles de diffusion. Les développeurs soulignent que l'entraînement d'un CVDM nécessite beaucoup moins d'efforts de calcul que l'entraînement d'autres modèles de diffusion, alors que les résultats sont identiques, voire meilleurs. En exploitant une stratégie CVDM, della Maggiora et ses collègues ont mis au point un nouveau modèle de diffusion applicable aux données quantitatives. Grâce à ce modèle, ils ont enfin pu réaliser un QPI computationnel basé sur les aberrations chromatiques. Ils ont validé leur approche générative basée sur l'IA en utilisant par exemple un microscope à fond clair ordinaire équipé d'une caméra couleur disponible dans le commerce pour réaliser des images microscopiques à partir d'échantillons cliniques réels : En analysant les globules rouges d'un échantillon d'urine humaine, la méthode a permis de révéler la forme de beignet de ces cellules, alors qu'une autre approche computationnelle établie basée sur l'EIT ne l'a pas fait. L'absence quasi-totale d'artefacts de nuages dans les images calculées avec la nouvelle variante d'imagerie de phase quantitative basée sur l'IA générative constitue un avantage supplémentaire.
Le groupe Yakimovich "Machine Learning for Infection and Disease" développe de nouvelles techniques de calcul pour la microscopie qui pourraient être immédiatement appliquées dans des contextes cliniques. Le potentiel, par exemple dans le domaine du diagnostic, est énorme. L'IA générative est l'une des techniques utilisées. Comme l'IA générative a tendance à produire des hallucinations, l'un des principaux objectifs du groupe est de les réduire. L'incorporation d'éléments basés sur la physique est l'approche clé ici. Comme le montre l'exemple de l'imagerie de phase quantitative basée sur l'IA, cette approche est très prometteuse.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
G. della Maggiora, L. A. Croquevielle, H. Horsley, T. Heinis, A. Yakimovich, Single Exposure Quantitative Phase Imaging with a Conventional Microscope using Diffusion Models, presented at the 39th Annual Conference on Artificial Intelligence by the Association for the Advancement of Artificial Intelligence (AAAI) and accepted for publication in the Proceedings of the 39th AAAI Conference on Artificial Intelligence, Preprint
Autres actualités du département science
