Note ABES Détection rapide de micro-organismes unicellulaires par imagerie haute résolution Fast detection of unicellular microorganisms by high-resolution imaging Détection de microorganismes Imagerie en fluorescence Cinétique de marquage Analyse spatio-temporelle Classification Apprentissage machine Microorganisms detection Fluorescence imaging Time-lapse imaging Staining kinetic Spatio-temporal analysis Classification Machine learning 006.42 Microorganismes Télédétection Imagerie tridimensionnelle haute résolution Traitement d'images -- Techniques numériques Apprentissage profond La société Redberry développe une technologie innovante pour détecter rapidement la présence de micro-organismes dans des échantillons (médicaments, eaux, aliments...). Cette technologie est indissociable d'un algorithme de traitement d'images, dont le développement a fait l'objet de cette thèse. Nous proposons une méthode qui effectue une première étape de détection des micro-organismes potentiels, puis permet une classification qui discrimine les cellules viables des particules inertes (poussières ou autres débris). L'originalité de la technologie, à l'origine de sa performance inédite, réside dans le principe d'acquisition d'une série d'images à la suite de l'injection d'un marqueur fluorescent de viabilité et dans l’exploitation de la "cinétique de marquage" des objets détectés sur ces images pour discriminer les micro-organismes. The company Redberry is developing an innovative technology to rapidly detect microorganisms in samples (pharmaceutical products, waters, food…). This technology is based on an image processing algorithm, which is the topic of this thesis. We propose a method which first detects potential microorganisms, then classifies these objects between viable cells and inert particles (dusts or other debris). The originality of the technology, showing an unprecedented performance, consists in acquiring a series of images after the injection of a fluorescent viability dye and analysing the « staining kinetic » of detected objects in order to discriminate microorganisms. Electronic Thesis or Dissertation Text fr PDF 4807350 Université de Strasbourg Strasbourg 2024-12-31 text/html http://www.theses.fr/2021STRAD055/document Daurensan Iris 1995-09-21 FR 276299329 2506027890J 21516438 4200046 https://theses.fr/2021STRAD055 2021STRAD055 https://doi.org/10.70675/d685a9f7z0e70z4bcdzbd86z0d1ef07ff716 2021-12-10 Traitement du signal et des images Strasbourg 131056549 Doctorat Docteur es non oui Mazet Vincent MADS_DIRECTEUR_DE_THESE_1 6100 095385088 Daul Christian MADS_PRESIDENT_DU_JURY 136645690 Dieterlen Alain MADS_MEMBRE_DU_JURY_1 127412735 Pierquin Joseph MADS_MEMBRE_DU_JURY_2 069418543 Angulo López Jesús MADS_RAPPORTEUR_1 080139574 Walter Thomas MADS_RAPPORTEUR_2 241957796 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 Mazet Vincent Daul Christian Dieterlen Alain Pierquin Joseph Angulo López Jesús Walter Thomas École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 4807350 confidentialité 2021-12-10 2027-12-10 confidentialité 2021-12-10 2027-12-10 confidentialité 2021-12-10 2027-12-10