Interferometrie optique par Deep Learning pour l'extraction de correlations spatiales/temporelles de cellules dans l'oeil in vivo – DEEPINCELL

Nous avons récemment étudié plusieurs méthodes d'imagerie par interférométrie optique et en particulier les méthodes provenant de l'interaction entre les ondes lumineuses et les structures de l’œil. Ces modèles d'interférence sont intrinsèquement complexes, contenant des informations sur l'organisation des structures cellulaires à l'échelle submicronique. De manière inattendue, nous avons découvert que les corrélations spatiales complexes de ces modèles peuvent être apprises par des réseaux de neurones profonds. De plus, ces réseaux profonds peuvent discriminer entre différents types de corrélations présentes dans une même image. Cette découverte est importante, elle fournit, en effet, une base pour la création d'un outil basé sur l'apprentissage analogue aux outils de traitement du signal conventionnels (par exemple, PCA, SVD). Les composantes principales ayant une signification physique simple (par exemple, des modèles de cellules, des modèles d'interférence qui se chevauchent). Un tel outil serait d'une grande valeur pour de nombreux domaines, par exemple pour l'imagerie tomographique optique des tissus biologiques. En cas de succès, cet outil pourrait être immédiatement appliqué pour améliorer les performances des instruments de tomographie optique existants via : 1) le débruitage (en extrayant les signaux cellulaires intégrés dans le bruit d'interférences corrélées) et l'imagerie à mono coup (en extrayant les signaux cellulaires de faible luminosité d’un fond de haute luminosité que fournit la caméra). Cette idée peut être avantageusement étendue à la 3ème dimension (le temps). Dans ce cas, les réseaux pourraient décomposer la pile temporelle d'images 2D en différents modèles corrélés spatio-temporels. Par exemple, séparer les mouvements liés à la dynamique des mouvements locaux (cellules) et globaux (œil entier). Cela pourrait conduire à un dispositif de diagnostic d'un nouveau type, capable d'extraire la dynamique cellulaire métabolique in vivo. Le projet se concentre sur l'imagerie oculaire chez les sujets sains et les patients pathologique ; néanmoins notons que les approches développées seront généralisables à de nombreuses méthodes d'interférométrie et à de nombreuses classes d’échantillons.