Détection rapide de micro-organismes unicellulaires par imagerie haute résolution
Langue Français
Accéder à la thèseDroits d'accès : non autorisé

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 10/12/2027.
  • Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
 
Auteur : Daurensan, Iris
Date de soutenance : 10-12-2021

Directeur(s) de thèse : Mazet, Vincent

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Traitement du signal et des images
Classification : Informatique

Mots-clés libres : Détection de microorganismes, Imagerie en fluorescence, Cinétique de marquage, Analyse spatio-temporelle, Classification, Apprentissage machine
Mots-clés :
  • Microorganismes - Télédétection
  • Imagerie tridimensionnelle haute résolution
  • Traitement d'images -- Techniques numériques
  • Apprentissage profond
Résumé : 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.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : not initialized
Identifiant : 2021STRAD055
Type de ressource : Thèse