AVIS DE SOUTENANCE de Monsieur Lyes BOUCHAMA

L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris

et le Laboratoire de recherche SAMOVAR – Services rĂ©partis, Architectures, ModĂ©lisation, Validation, Administration des RĂ©seaux

présentent

l’AVIS DE SOUTENANCE de Monsieur Lyes BOUCHAMA

AutorisĂ© Ă  prĂ©senter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, prĂ©parĂ© Ă  TĂ©lĂ©com SudParis en :

Signal, Images, Automatique et robotique

« Apport des techniques d’apprentissage (profond) Ă  la microscopie holographique pour applications mĂ©dicales. »

le JEUDI 21 DÉCEMBRE 2023 Ă  14h00

Ă 

Amphithéùtre 3
19 rue Marguerite Perey, 91120, Palaiseau

Membres du jury :

Mme CĂ©cile  MALLET, Professeure des universitĂ©s, UniversitĂ© de Versailles Saint-Quentin-en-Yvelines, FRANCE – Rapporteur
M. Maxime  JACQUOT, Professeur des universitĂ©s, UniversitĂ© Bourgogne Franche-ComtĂ©, FRANCE – Rapporteur
M. François  DELHOMMEAU, Professeur des universitĂ©s – praticien hospitalier, Sorbonne UniversitĂ©, Centre de Recherche Saint-Antoine, FRANCE – Examinateur
M. Thomas  OLIVIER, MaĂźtresse de confĂ©rences, UniversitĂ© Jean Monnet, Laboratoire Hubert Curien, UMR CNRS 5516, FRANCE – Examinateur

M. Yaneck GOTTESMAN, Professeur, TĂ©lĂ©com SudParis, FRANCE – Directeur de these

Mme Bernadette  DORIZZI, Professeure Ă©mĂ©rite, TĂ©lĂ©com SudParis (SAMOVAR), FRANCE – CoDirecteur de these

M. Jacques KLOSSA, PrĂ©sident de TRIBVN SAS, FRANCE – InvitĂ©

« Apport des techniques d’apprentissage (profond) Ă  la microscopie holographique pour applications mĂ©dicales. »

présenté par Monsieur Lyes BOUCHAMA

Résumé :

Mon travail s’inscrit dans le cadre du partenariat stratĂ©gique TSP et TRIBVN/T-life, dĂ©diĂ© au dĂ©veloppement de nouvelles approches en microscopie optique, couplĂ©es Ă  l’intelligence artificielle, en vue d’identifier, de prĂ©dire et de monitorer les pathologies hĂ©matologiques et parasitologiques. C’est dans cette perspective que nous avons dĂ©veloppĂ©, dans le laboratoire, un prototype de microscope reposant sur un principe d’imagerie non conventionnelle Ă  synthĂšse d’ouverture, basĂ©e sur l’approche FPM (Fourier Ptychographic Microscopy). Cette approche permet de dĂ©passer les limites en rĂ©solution de l’optique conventionnelle ou de façon Ă©quivalente accĂ©der Ă  des champs de vue trĂšs larges (de 4 Ă  25 fois plus importants) Ă  rĂ©solution fixĂ©e. Elle permet, en sus, de diversifier la nature des donnĂ©es acquises (avec l’enregistrement de la phase en complĂ©ment des donnĂ©es d’intensitĂ©). Toutefois, en raison de certaines contraintes, notamment le temps d’acquisition et de reconstruction des images pour obtenir une qualitĂ© optimale, cette technologie rencontre encore des difficultĂ©s pour trouver ses applications et ĂȘtre commercialisĂ©e par les diffĂ©rents acteurs du domaine de la microscopie. Le travail rĂ©alisĂ© dans cette thĂšse a permis des avancĂ©es significatives sur certains des aspects limitants de cette technologie grĂące Ă  la mise en Ɠuvre de modĂšles Ă  base de rĂ©seaux de neurones. Nous avons proposĂ© une refocalisation automatique des images bimodales efficace sur de grands champs de vue, grĂące Ă  un post-traitement basĂ© sur un U-Net. Nous avons aussi proposĂ© une approche originale, alliant apprentissage statistique et optimisation guidĂ©e par la physique pour rĂ©duire les temps d’acquisition des images et les temps de reconstruction. Ces modĂšles ont dĂ©montrĂ© leur efficacitĂ©, par des diagnostics plus prĂ©cis et discriminants, dans des applications de parasitologie et d’hĂ©matologie. Les contributions apportĂ©es ont un potentiel d’application qui dĂ©passe le domaine de la FPM, ouvrant des perspectives dans divers autres champs de l’imagerie calculatoire.

Abstract :

This research is part of the TSP and TRIBVN/T-life strategic partnership, dedicated to the development of new approaches in optical microscopy, coupled with artificial intelligence, to identify, predict and monitor hematological and parasitological pathologies. In this regard, we developed a prototype microscope based on a computational imaging principle with a synthetic aperture, based on the FPM (Fourier Ptychographic Microscopy) approach. This approach makes it possible to overcome conventional optics’ resolution limits, or equivalently access very large fields of view (from 4 to 25 times larger) at fixed resolution. It also enables us to diversify the nature of the data acquired (with phase recording in addition to intensity data). However, despite its promise, the technology faces challenges in widespread adoption and commercialization within the microscopy field, primarily due to constraints such as the time-intensive process required for image acquisition and reconstruction to achieve optimal quality. The research conducted in this thesis has led to substantial advancements in overcoming certain limitations of this technology, leveraging models based on neural networks. We have proposed an efficient automatic refocusing of bimodal images over large fields of view, thanks to post-processing based on a U-Net. We have also proposed an original approach, combining statistical learning and physics-driven optimization to reduce image acquisition and reconstruction times. These frameworks have validated their efficacy by yielding more precise and discriminating diagnoses in the fields of parasitology and haematology. The potential applications of these contributions go far beyond the field of MPF, opening up perspectives in various other fields of computational imaging.