Ph.D defense of Dylan BRAULT"Inverse problems approaches in digital holographic microscopy for unsupervised and quantitative recosntructions of microbiological samples"

"Inverse problems approaches in digital holographic microscopy for unsupervised and quantitative recosntructions of microbiological samples"

Résumé

Dans le contexte de l’analyse d’échantillons sanguins, le marquage de Gram est une procédure classique visant à colorer des objets biologiques transparents (comme les bactéries) pour mieux les classifier en fonction de leur teinte. L’holographie en ligne est une méthode de choix pour s’affranchir de la problématique de la mise au point indispensable à l’analyse des échantillons en microscopie en lumière blanche. En effet, cette technique interférométrique peu coûteuse permet une mise au point numérique dans n’importe quel plan du volume 3D imagé en exploitant les motifs de diffraction de l’échantillon éclairé par une source cohérente. L’analyse des échantillons peut être ainsi totalement automatisée.

En holographie, en plus d’une information sur l’absorption des objets, le déphasage introduit par ces derniers peut être reconstruit, et, comme en microscopie en lumière blanche, une information spectrale (d’absorption et de déphasage) peut également être exploitée pour classifier les objets. Dans ce contexte, les approches problèmes inverses offrent un cadre rigoureux permettant une reconstruction quantitative en absorption et en phase d’ objets biologiques. Cependant, la qualité des reconstructions peut être limitée par différents aspects tels qu’un manque de précision sur le modèle de formation d’image ou encore un mauvais réglage des hyperparamètres nécessaires à la reconstruction.

Dans cette thèse nous proposons une méthodologie basée sur l’insertion de billes d’étalonnage dans l’échantillon afin de lever ces différents verrous. Ainsi la problématique de mise au point, ou encore celle de l’étalonnage d’un modèle de formation d’image précis prenant en compte les aberrations du système optique, sont traitées au moyen d’approches inverses paramétriques. Le réglage d’hyperparamètres de régularisation est optimisé pour reconstruire quantitativement les objets d’étalonnage et donc également les objets d’intérêt. Enfin, la reconstruction d’informations multispectrales est améliorée par la prise en compte des aberrations chromatiques du système optique.

Ceci permet une reconstruction plus reproductible dans le champ et d’un instrument à un autre, facilitant ensuite l’utilisation d’algorithmes de machine learning.

Toute la méthodologie de reconstruction développée dans le cadre de cette thèse est très générale et peut être appliquée dans d’autres contextes de microscopie ou à d’autres modalité d’imagerie non conventionnelle.

Abstract

In the context of blood analysis, Gram staining is a classical procedure to increase the contrast of transparent objects like bacteria to classify them. In-line holography is a method of choice to solve the focusing problem needed in white light sample analysis. Indeed, this low-cost interferometry technique allows to focus in any plane of the 3D-volume exploiting the diffraction pattern of the sample lightened with a coherent illumination. Thus, sample analysis can be completely automatized.

With in-line holography, not only the absorption of the objects can be exploited but also the phase shift they introduce, and, as in white light microscopy, a spectral information (absorption and phase) can also be exploited to classify the objects. In this context inverse problems approaches are a rigorous framework to perform an absorbtion and phase reconstruction of the biological objects. However, the quality of the reconstructions can be limited by several aspects such as a lack of accuracy on the image formation model or bad tuning of the hyperparameters needed for the reconstruction.

In this thesis we propose a method based on the insertion of calibration beads directly into the sample to tackle these different issues. Thus, the autofocusing problem or the accurate model calibration considering aberrations of the optical system are addressed using parametric inverse problems approaches. The tuning of the regularization hyperparameters is automated such that the calibration objects, similar to the objects of interest, are quantitatively reconstructed. At last, the reconstructed spectral information is improved by accounting for chromatic aberrations of the optical system.

The reconstruction are thus more reproducible in the field of view and from one setup to another. Machine learning algorithm can thus be used more easilly.

The method developed in this thesis is general and can be applied in other microscopy context and other non-conventional imaging modalities.

Jury

• François Goudail, Professeur, IOGS, Palaiseau (Rapporteur)

• Laurent Mugnier, Directeur de Recherche, ONERA (Rapporteur)

• Laure Blanc Féraud, Directrice de Recherche, CNRS, I3S (Examinatrice)

• Emmanuel Soubies, Chargé de Recherche CNRS, IRIT (Examinateur)

• Pauline Trouvé-Peloux, Ingénieure de Recherche ONERA (Examinatrice)

• Olivier Haeberlé, Professeur Université de Haute Alsace (Examinateur)

• Nicolas Faure, Ingénieur de Recherche, bioMérieux (Invité)

• Corinne Fournier, Maître de conférences HDR, Université Jean Monnet (Directrice)

• Ferréol Soulez, Astronome, CNRS, Observatoire de Lyon (Encadrant)

• Thomas Olivier, Maître de conférences, Université Jean Monnet (Encadrant)

• Fabien Momey, Maître de conférences, Université Jean Monnet (Encadrant)

The presentation will be in French.