Recalage multimodal d'images en microscopie corrélative 2D et 3D

This thesis is concerned with the definition of an automated registration framework for 2D and 3Dcorrelative 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. Byusing CLEM, complementary information can be collected from a biological sample. An overlay of thedifferent microscopy images is commonly achieved using techniques involving manual assistance atseveral steps, which is demanding and time consuming for biologists. To facilitate and disseminatethe CLEM process for biologists, the thesis work is focused on creating automatic registration methodsthat are reliable, easy to use and do not require parameter tuning or complex knowledge. CLEMregistration has to deal with many issues due to the differences between electron microscopy and lightmicroscopy images and their acquisition, both in terms of pixel resolution, image size, content, fieldof view and appearance. We have designed intensity-based methods to align CLEM images in 2D and3D. They involved a common representation of the LM and EM images using the LoG transform, apre-alignment step exploiting histogram-based similarities within an exhaustive search, and a finemutual information-based registration. In addition, we have defined a robust motion model selectionmethod, 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 CLEMdatasets and the resultswere validated by biologists, offering an excellent perspective in the usefulnessof our methods.Cette thèse porte sur la définition d’un schéma de recalage automatique en microscopie corrélative2D et 3D, en particulier pour des images de microscopie optique et électronique (CLEM). Au cours desdernières années, la CLEMest devenue un outil d’investigation important et puissant dans le domainede la bio-imagerie. En utilisant la CLEM, des informations complémentaires peuvent être collectéesà partir d’un échantillon biologique. La superposition des différentes images microscopiques estgénéralement 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 leprocédé de CLEM, notre travail de thèse est axé sur la création de méthodes de recalage automatiquequi soient fiables, faciles à utiliser et qui ne nécessitent pas d’ajustement de paramètres ou de connaissancescomplexes. Le recalage CLEM doit faire face à de nombreux problèmes dus aux différencesentre les images de microscopie électronique et optique et leur mode d’acquisition, tant en termes derésolution du pixel, de taille des images, de contenu, de champ de vision et d’apparence. Nous avonsconçu des méthodes basées sur l’intensité des images pour aligner les images CLEMen 2D et 3D. Ellescomprennent plusieurs étapes : représentation commune des images LM et EMà l’aide de la transformationLoG, pré-alignement exploitant des mesures de similarité à partir d’histogrammes avec unerecherche exhaustive, et un recalage fin basé sur l’information mutuelle. De plus, nous avons définiune méthode de sélection robuste de modèles de mouvement, et un méthode de détection multiéchellede spots, que nous avons exploitées dans le recalage CLEM 2D. Notre schéma de recalage automatisépour la CLEM a été testé avec succès sur plusieurs ensembles de données CLEMréelles 2D et3D. Les résultats ont été validés par des biologistes, offrant une excellente perspective sur l’utilité denos développements