L’Apprentissage Automatique Supervisé (AAS), une branche de l’Intelligence Artificielle (IA), dans la segmentation et les mesures d’images microscopiques - 15/08/22
Résumé |
Les classifications de l’IA sont en constante évolution. Actuellement, on peut distinguer 3 domaines : IA symbolique, IA sous-symbolique et IA intermédiaire, mais les frontières les séparant restent floues [1 ]. Schématiquement, l’AAS peut être classé comme une méthode appartenant au 2e groupe, en opposition aux méthodes rigides de programmation (1er groupe). L’application de l’IA en microscopie connaît un essor vertigineux [3 , 2 ], notamment dans le cadre de la segmentation des objets présents dans les images en vue de leur mesure automatique. La segmentation dite sémantique repose sur les propriétés des pixels constituant l’image. Les méthodes fondées sur l’analyse de leurs niveaux de gris ou de leurs couleurs, instrumentalisées dans des douzaines d’algorithmes et adaptées aux différents fespaces colorimétriques, donnent souvent des résultats décevants surtout quand elles sont appliquées au traitement d’images par séries. Les techniques d’IA reposent sur la reconnaissance de dizaines–de centaines quand il s’agit de cloud computing–propriétés des objets d’intérêt : couleurs, textures, bords et leurs dérivées inaccessibles à la vision et au raisonnement humains. L’AI est à juste titre assimilé à la notion de boite noire : c’est une méthode à faible explicabilité mais à haute précision [1 ]. L’approche AAS consiste à créer un classificateur qui, s’il est suffisamment précis, peut être appliqué à la segmentation de centaines et de milliers d’images en série. Cette présentation résume notre expérience de plus de 15 ans avec plusieurs outils informatiques disponibles sur le marché ou dans le monde académique, y compris certains développés par nous. Elle est aussi illustrée par des exemples publiés où la morphologie quantitative à un apport significatif à la compréhension des processus (patho)biologique s : stéatose et fibrose hépatiques, artériopathies, cardiopathie sclérosante, immunohistochimie multiplexe et études in vitro sur l’autophagie et la morphologie nucléaire.
Le texte complet de cet article est disponible en PDF.Mots clés : Apprentissage automatique supervisé, Intelligence artificielle, Analyse d’images
Plan
Vol 106 - N° 354S
P. S20-S21 - septembre 2022 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?