Apport des techniques d’apprentissage (profond) à la microscopie holographique pour applications médicales

Le sujet proposé se situe dans le cadre de l’analyse biologique de frottis sanguins in vitro sans coloration ni marquage (“label free”) pour le diagnostic précoce de la leucémie et du paludisme et le suivi des patients. Le travail vise à détecter et caractériser des cellules d’intérêt, en particulier quand elles sont présentes en très faible proportion, par exemple, détecter dans une population de 200 000 hématies une hématie unique qui héberge un parasite.

L’originalité de l’approche proposée réside dans le couplage d’un dispositif de biophotonique sensible à la phase, associé à des traitements de données adaptés. Un prototype de biophotonique a été développé par Telecom SudParis (TSP). Il permet la production de jumeaux optiques (Optical Twin – OT) de lames de microscopie particulièrement riches en information. Des voies d’améliorations dans ses capacités d’imagerie en termes de résolution sont identifiées.

Dans un premier temps, nous les aborderons par techniques d’apprentissage profond associées à la modélisation de la physique du capteur pour améliorer encore plus les capacités d’imagerie du dispositif et produire des images inédites (en termes de résolution). Dans un second temps, les approches d’apprentissage seront exploitées de façon à permettre la détection et classification automatique d’évènements rares tout d’abord sur des lames de microscopie marquées ou colorées chimiquement, puis sur des préparations “label free”.

Le travail s’inscrit ainsi dans une démarche de co-conception de la technique d’acquisition d’informations issues des lames de microscopie (d’abord sur frottis sanguin) et du traitement algorithmique par réseaux de neurones artificiels (AI) efficace de cette information.
Les travaux de la thèse co-dirigée par TSP et TRIBVN feront l’objet d’une pré-validation clinique.