EP3857507A1 - Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques - Google Patents

Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques

Info

Publication number
EP3857507A1
EP3857507A1 EP19772761.3A EP19772761A EP3857507A1 EP 3857507 A1 EP3857507 A1 EP 3857507A1 EP 19772761 A EP19772761 A EP 19772761A EP 3857507 A1 EP3857507 A1 EP 3857507A1
Authority
EP
European Patent Office
Prior art keywords
image
interest
remarkable point
area
remarkable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP19772761.3A
Other languages
German (de)
English (en)
Inventor
Tessa HOMAN
Hélène DELANOE-AYARI
Adrien MOREAU
Alexandre MEJAT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Centre National de la Recherche Scientifique CNRS
Universite Claude Bernard Lyon 1 UCBL
Institut National de la Sante et de la Recherche Medicale INSERM
Association Francaise Contre les Myopathies
Original Assignee
Centre National de la Recherche Scientifique CNRS
Universite Claude Bernard Lyon 1 UCBL
Institut National de la Sante et de la Recherche Medicale INSERM
Association Francaise Contre les Myopathies
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Centre National de la Recherche Scientifique CNRS, Universite Claude Bernard Lyon 1 UCBL, Institut National de la Sante et de la Recherche Medicale INSERM, Association Francaise Contre les Myopathies filed Critical Centre National de la Recherche Scientifique CNRS
Publication of EP3857507A1 publication Critical patent/EP3857507A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Definitions

  • FIG. 2A illustrates a contraction wave of healthy cells, calculated according to the invention
  • FIG. 2B illustrates a contraction wave of affected cells, calculated according to the invention
  • the image processing thus carried out makes it possible to calculate the displacement of a remarkable point 11 between the first image 10 and the set of second images.
  • the time separating the first image 10 from all of the second images of the sequence is known.
  • the distance between the position of the remarkable point 11 on the first image 10 and the position of the remarkable point 11 on the set of second images is calculated, based on the known pixel size.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Abstract

L'invention concerne un procédé d'analyse des contractions cellulaires de cellules, comprenant : - Enregistrer une séquence d'images desdites cellules, comprenant une première image (10) et une deuxième image (20). Il est essentiellement caractérisé par : - Déterminer la position de points remarquables (11) sur la première image (10), - Déterminer la position de ces mêmes points remarquables (11) sur la deuxième image (20), Et pour au moins un point remarquable de la première image (10) : - Etablir une correspondance entre ledit point remarquable (11) de la première image (10) et un point remarquable (11) de la deuxième image (20), et - Déterminer le déplacement dudit point remarquable (11) entre la première (10) et la deuxième image (20), par comparaison de la position dudit point remarquable (11) de la première image (10) et la position dudit point remarquable (11) correspondant de la deuxième image (20).

Description

PROCEDE D’ANALYSE AUTOMATISEE DES CONTRACTIONS CELLULAIRES D’UN
ENSEMBLE DE CELLULES BIOLOGIQUES.
DOMAINE DE L’INVENTION
La présente invention concerne le domaine de l’analyse des contractions cellulaires d’un ensemble de cellules biologiques contractiles, qu’elles soient in-vitro ou in-vivo.
Une telle analyse des contractions permet par exemple de déduire certaines propriétés, par exemple physiques ou physiologiques, des cellules biologiques.
Si une telle analyse peut être réalisée par des individus manuellement, il existe un besoin d’automatisation, ce qui permet d’une part de pouvoir traiter de gros volumes de données et d’autre part d’obtenir des résultats plus objectifs et plus robustes.
Il est proposé ici une solution permettant l’analyse des contractions cellulaires d’un ensemble de cellules biologiques contractiles, basée sur un traitement numérique d’images dudit ensemble de cellules.
Par concision, on entend indistinctement « cellules », « cellules biologiques » et « cellules biologiques contractiles ».
Par exemple, les cellules sont des cellules souches pluripotentes induites, ou IPS pour « Induced Pluripotent Stem cells » en Anglais, qui ont le potentiel de se différencier en n'importe quelle cellule du corps humain, en particulier des cellules contractiles composant le muscle cardiaque ou « cardiomyocytes ».
Les cardiomyocytes différenciés à partir d’IPS sont particulièrement intéressantes car le cœur est un organe qui se régénère peu, il est difficile d’avoir accès aux cardiomyocytes d’un patient. Or les maladies cardiaques sont souvent héréditaires, le patrimoine génétique est donc important et l’intérêt de la présente invention à ce sujet sera discuté ultérieurement.
Par concision, seules ces cardiomyocytes seront décrits ci-après. Bien entendu, l’invention n’est pas limitée à ce type de cellules et concerne tout type de cellule biologique contractile : cellules cardiaques, cellules musculaires.
Les cellules souches pluripotentes induites, dérivées à partir d’un patient malade ou d’une personne saine, différenciées en cardiomyocytes, présentent une contraction spontanée, rythmée, qui peut être obtenue en quelques semaines, avec l’avantage particulier de conserver le patrimoine génétique du patient. Elles peuvent donc être utilisées avantageusement pour tester de nouveaux médicaments et étudier les pathologies associées à ces médicaments, y compris les effets secondaires.
Toutefois, les cellules souches pluripotentes induites, différenciées en cardiomyocytes, ne servent pas uniquement à tester des médicaments sur des cellules malades mais peuvent également être utilisées pour tester la toxicité de substances sur des cellules saines.
Auparavant, il était quasiment impossible de travailler directement sur des cellules cardiaques humaines car les prélèvements cardiaques sont très compliqués. Maintenant, grâce aux cellules souches pluripotentes (issues de simples échantillons de peau, de sang ou d’urine), il est facile d’obtenir des cardiomyocytes humains, sains ou malades.
Bien qu’il existe des techniques disponibles pour caractériser les cardiomyocytes telles que par exemple l’électrophysiologie ou la microscopie AFM pour « Atomic Force Microscope » en Anglais, de telles techniques sont coûteuses, souvent difficiles à appliquer à grandes échelles et à mettre en place, et elles exigent souvent des consommables spéciaux nécessitant de repiquer les cellules, ce qui n’est pas toujours possible ni désirable.
Il est proposé ici une solution plus complète, plus flexible, plus simple et moins chère. Elle est facilement accessible et permet la caractérisation de paramètres des contractions des cellules.
En outre, la présente invention présente l’avantage de ne pas nécessiter de fluorescence.
RESUME DE L’INVENTION
Selon un premier de ses objets, l’invention concerne un procédé d’analyse automatisée des contractions cellulaires d’un ensemble de cellules biologiques, comprenant :
- Déterminer la position d’un ensemble de points remarquables (11 ) sur la première image (10) d’une séquence temporelle d’images dudit ensemble de cellules biologiques, ladite séquence comprenant une première image (10) et un ensemble d’au moins une deuxième image (20).
Il est essentiellement caractérisé en ce qu’il comprend en outre des étapes consistant à :
- Déterminer la position dudit ensemble de points remarquables (11 ) sur la deuxième image
(20),
Et pour au moins un point remarquable (11 ) : - Déterminer le déplacement dudit point remarquable (11 ) entre la première image (10) et la deuxième image (20), par comparaison de la position dudit premier point remarquable (1 1 ) de la première image (10) et la position dudit deuxième point remarquable (11 ) correspondant de la deuxième image (20).
On peut prévoir en outre :
- Définir une première zone d’intérêt (12) autour dudit point remarquable (1 1 ) de la première image (10),
- Calculer l’intensité de ladite première zone d’intérêt (12) de la première image (10),
- Définir une deuxième zone d’intérêt (22) sur la deuxième image (20), de préférence centrée sur un point sur la deuxième image (20) ayant les mêmes coordonnées que ledit point remarquable (11 ) de la première image (10), ladite deuxième zone d’intérêt (22) étant de même forme et de mêmes dimensions que la première zone d’intérêt (12),
- Déplacer la deuxième zone d’intérêt (22) sur un ensemble de positions dans une fenêtre d’arrivée (23) de la deuxième image (20), et à chaque position :
o calculer l’intensité de la deuxième zone d’intérêt (22), et
o calculer une corrélation entre l’intensité de la deuxième zone d’intérêt (22) de la deuxième image (20) et l’intensité de première zone d’intérêt (12) de la première image (10).
On peut prévoir que l’étape consistant à :
- Déterminer le déplacement dudit point remarquable (11 ) entre la première image (10) et la deuxième image (20),
Comprend des étapes préalables consistant à :
- réduire la résolution de la première image (10) et la résolution de la deuxième image (20) selon une pyramide d’images ;
- rechercher la première zone d’intérêt (12) de la première image (10) dans l’une des images de la pyramide d’images.
De préférence, pour une plus grande robustesse, le calcul de corrélation est répété séquentiellement sur la paire de première et deuxième image, en utilisant les mêmes images à plus faibles résolutions pour commencer.
On peut prévoir des étapes consistant à, pour chaque fenêtre d’arrivée (23) :
- calculer une matrice de corrélation correspondant à l’ensemble de positions de la deuxième zone d’intérêt (22) dans ladite fenêtre,
- détecter la position du pic de corrélation dans ladite matrice de corrélation, et - assigner comme position du point remarquable (11 ) sur la deuxième image (20) ladite position correspondant au pic de corrélation.
On peut prévoir des étapes consistant à :
- Afficher sur un écran d’affichage au moins l’une parmi la première image (10) et la deuxième image (20), et
- Sur au moins une image affichée, représenter graphiquement un vecteur entre ledit point remarquable (11 ) de la première image (10) et ledit point remarquable (11 ) de la deuxième image (20).
Ledit vecteur représente graphiquement le déplacement du point remarquable entre la première et la deuxième image.
On peut prévoir des étapes consistant à :
- Déterminer une onde de contraction cellulaire de l’ensemble de cellules biologiques par calcul du déplacement dudit point remarquable entre la première image (10) et l’ensemble d’au moins une deuxième image (20) en fonction du temps (t), et
- Calculer au moins l’une des valeurs parmi :
o l’amplitude (A) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, o la vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o au moins un gradient de vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la période (T) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, o la fréquence (V) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, o l’intervalle de temps entre :
■ la première image (10) et
■ la première deuxième image (20) de la séquence pour laquelle le déplacement du point remarquable (11 ) entre la première image (10) et la deuxième image (20) est maximal ;
o l’intervalle de temps entre :
■ la deuxième image (20) pour laquelle le déplacement du point remarquable (1 1 ) entre la première image (10) et la deuxième image (20) est maximale, et
■ la première deuxième image (20) de la séquence pour laquelle le déplacement du point remarquable (11 ) entre la première image (10) et la deuxième image (20) est nulle. On peut prévoir une étape consistant à détecter pendant une période (T) au moins de l’onde de contraction cellulaire si l’amplitude de ladite onde de contraction cellulaire :
- Passe par un nombre de maximum (E1 , E3) prédéterminé et dont la valeur est supérieure à une valeur seuil prédéterminée, ou
- passe par un nombre de minimum (E2) prédéterminé et dont la valeur est inférieure à une valeur seuil prédéterminée.
On peut prévoir en outre une étape de criblage pharmacologique.
On peut prévoir en outre une étape préalable de microscopie à contraste de phase dudit ensemble de cellules biologiques pour obtenir ladite séquence temporelle d’images.
Selon un autre de ses objets, l’invention concerne un programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l’invention, lorsque ledit programme est exécuté sur un ordinateur.
D’autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante donnée à titre d’exemple illustratif et non limitatif et faite en référence aux figures annexées.
DESCRIPTIF DES DESSINS la figure 1A illustre une première image comprenant un point remarquable et une première zone d’intérêt selon l'invention, et
la figure 1 B illustre une deuxième image comprenant ce même point remarquable mais déplacé et une deuxième zone d’intérêt selon l'invention, correspondant au déplacement du point remarquable après une contraction des cellules imagées sur la figure 1A, et le déplacement de la deuxième zone d’intérêt dans une fenêtre d’arrivée,
la figure 2A illustre une onde de contraction de cellules saines, calculée selon l’invention, la figure 2B illustre une onde de contraction de cellules affectées, calculée selon l’invention,
la figure 3A illustre la fréquence de l’onde de contraction cardiaque des cellules de 3 individus,
la figure 3B illustre la fréquence moyenne de contraction cardiaque des cellules des 3 individus de la figure 3A, après une phase de maturation, la figure 3C illustre l’amplitude de l’onde de contraction cardiaque des cellules des 3 individus de la figure 3A,
la figure 3D illustre l’amplitude moyenne de contraction cardiaque des cellules des 3 individus de la figure 3A, après une phase de maturation.
DESCRIPTION DETAILLEE
La présente invention est basée sur un traitement d’images. On prévoit donc d’enregistrer préalablement une séquence temporelle d’images d’un ensemble de cellules. Le traitement d’image peut être réalisé en temps réel sur une séquence temporelle d’images, ou en différé, à partir d’une séquence temporelle d’images enregistrée préalablement.
La séquence d’images comprend une première image 10 (par exemple au temps t=1 ) et un ensemble d’au moins une deuxième image 20, en l’espèce consécutive à la première image 10, c'est à dire une deuxième image 20 (par exemple au temps t=1 +dt), une troisième image (par exemple au temps t=1 +2dt), une quatrième image (par exemple au temps t=1 +3dt), etc. avec dt un intervalle de temps prédéterminé.
Par exemple, la séquence d’images peut être enregistrée sous forme de vidéo.
On peut prévoir que la séquence d’images est obtenue grâce à une étape préalable de microscopie à contraste de phase dudit ensemble de cellules biologiques, en particulier sous forme monocouche.
Pour simplifier, on considère que la première image 10 est la première image 10 de la séquence et que la deuxième image 20 est la deuxième image 20 de la séquence.
On prévoit de déterminer la position d’un ensemble de points remarquables sur la première image 10. Puisque les cellules sont contractiles, il est fortement probable que la position de ces points remarquables varie d’une image à l’autre. On prévoit donc de déterminer la position de cet ensemble de points remarquables sur la deuxième image 20, comme décrit plus en détails ci- après.
De préférence, on prévoit de déterminer la position de l’ensemble de points remarquables sur chaque image de la séquence. Par concision, on entend indistinctement par « deuxième image » : la deuxième image de la séquence, l’une des images de la séquence, plusieurs images de la séquence ou toutes les images de la séquence, autre que la première image 10.
Identification d’un point remarquable 11 sur la 1ere image.
On prévoit d’identifier un ensemble d’au moins un point remarquable 11 dans la première image 10. Par concision, on entend indistinctement « un ensemble d’au moins un point remarquable 1 1 » et « un point remarquable 1 1 ».
Par « point remarquable », on entend un pixel ou un ensemble de pixels adjacents deux à deux qui présente une luminosité ou une intensité (où par intensité on entend l'intensité lumineuse mesurée par un capteur, c'est à dire le nombre de photons par unité de temps et de surface dudit capteur) supérieure à une valeur seuil ; ou pour lequel le gradient de contraste ou d’intensité, selon une direction et une distance prédéfinies, est supérieur à une valeur seuil prédéfinie.
Typiquement, les points remarquables sont les points les plus lumineux de la première image 10, c'est à dire des maxima locaux d’intensité, ou les plus contrastés. On peut par exemple utiliser une fonction LOCALMAX du logiciel Matlab (marque déposée) ou d’autres fonctions équivalentes de logiciels équivalents appliqués à la première image 10.
Une fois les points remarquables identifiés, les coordonnées des points remarquables sont connues.
Si la cellule a subi une contraction entre la première image 10 et la deuxième image 20, alors au moins un point remarquable 11 de la première image 10 a une position différente sur la deuxième image 20, qu’il convient de déterminer comme décrit ultérieurement.
Une fois la position d’un point remarquable 11 sur la première image 10 et la position dudit point remarquable 11 sur la deuxième image 20 connus, on peut alors déterminer le déplacement dudit point remarquable 1 1 entre la première image 10 et la deuxième image 20.
En effet, par comparaison de la position (des coordonnées) dudit point remarquable 11 de la première image 10 et la position dudit point remarquable 1 1 de la deuxième image 20, et connaissant l’intervalle de temps séparant la première et la deuxième image 20, on peut calculer le déplacement dudit point remarquable 11 , c'est à dire au moins l’un parmi : la vitesse de déplacement du point remarquable 1 1 entre sa position sur la première image 10 et sa position sur la deuxième image 20, et
la distance séparant la position du point remarquable 11 sur la première image 10 et sa position sur la deuxième image 20.
Identification de la position du point remarquable 11 sur la 2eme image.
La position du point remarquable sur la deuxième image 20 est déterminée comme suit.
On prévoit tout d’abord de définir une première zone d’intérêt 12 autour dudit point remarquable 1 1 de la première image 10.
Une zone d’intérêt est l’ensemble des pixels compris dans une sous-partie d’une image et qui présente une forme prédéterminée, en l’espèce un rectangle dont le barycentre est le point remarquable 1 1. Les coordonnées de la première zone d’intérêt sont donc connues.
On peut alors calculer l’intensité de ladite première zone d’intérêt 12 de la première image
10.
Ensuite, de manière similaire, on prévoit de définir une deuxième zone d’intérêt 22, sur la deuxième image 20.
La deuxième zone d’intérêt 22 (sur la deuxième image 20) présente la même forme et les mêmes dimensions que la première zone d’intérêt 12 (sur la première image 10), et de préférence présente initialement la même position.
Il s’agit alors de déterminer la position de la deuxième zone d’intérêt 22 sur la deuxième image 20 telle que ladite position correspond au déplacement du point remarquable 1 1 entre la première image 10 et la deuxième image 20.
A cet effet, on prévoit de déplacer la deuxième zone d’intérêt 22 sur un ensemble de positions prédéterminées dans une fenêtre d’arrivée 23 de la deuxième image 20, la fenêtre d’arrivée 23 ayant elle-même une forme, une dimension et une position prédéterminées.
A chaque position de la deuxième zone d’intérêt 22 dans la fenêtre d’arrivée 23 de la deuxième image 20, on prévoit de calculer l’intensité (ou niveaux de gris) de la deuxième zone d’intérêt 22, et de calculer une corrélation entre l’intensité de la deuxième zone d’intérêt 22 de la deuxième image 20 pour cette position et l’intensité de première zone d’intérêt 12 de la première image 10.
Par exemple sur la figure 1 B, on a représenté en pointillés fins la position de la première zone d’intérêt 12 est en grands pointillés un ensemble de positions prédéterminées de deuxième zone d’intérêt 22. En l’espèce, à titre purement illustratif, on a représenté neuf positions adjacentes pour la deuxième zone d’intérêt 22.
Chaque valeur de corrélation calculée pour une position donnée de la deuxième zone d’intérêt 22 dans la fenêtre d’arrivée 23 est enregistrée comme coefficient d’une matrice de corrélation, qui comprend autant de colonnes et de lignes que de pixels de déplacement de la deuxième zone d’intérêt 22.
On peut alors détecter, c'est à dire calculer, la position du pic de corrélation dans ladite matrice de corrélation.
On peut alors sélectionner la position de la deuxième zone d’intérêt 22 qui présente le maximum de corrélation (pic de corrélation), c'est à dire la position pour laquelle plus l’intensité de la deuxième zone d’intérêt 22 est proche de l’intensité de la première zone d’intérêt 12, pour définir, c'est à dire assigner, la position du point remarquable 11 de la deuxième image 20, ce qui assure la détermination de la position du point remarquable 1 1 sur la deuxième image 20.
De préférence on calcule autant de matrices de corrélation que de points remarquables, par image de l’ensemble d’au moins une deuxième image 20. A titre purement illustratif, pour une séquence d’images de 101 images, c'est à dire une première image 10 et un ensemble de 100 deuxième image 20, et un ensemble de 25 points remarquables par deuxième image 20, on calcule ainsi 25*100=2500 matrices de corrélation. De préférence, on prévoit donc d’effectuer les calculs de matrices de corrélation en parallèle, en l’espèce sur carte graphique.
La taille de la fenêtre d’arrivée 23 de la deuxième image 20 peut être proportionnelle à la taille de la zone d’intérêt de la première image 10.
Par exemple, la taille de la fenêtre d’arrivée 23 de la deuxième image 20 est égale à la taille de la zone d’intérêt de la première image 10. Par exemple, la deuxième zone d’intérêt 22 est déplacée de un pixel pour chaque position dans la fenêtre d’arrivée 23. On peut aussi prévoir une étape consistant à estimer préalablement le déplacement moyen des points d’intérêts et dimensionner la taille de la fenêtre d’arrivée 23 en fonction dudit déplacement moyen des points d’intérêts.
Si un point remarquable 1 1 se déplace sur une position qui n’est pas comprise dans l’une des positions de la deuxième zone d’intérêt 22 de la fenêtre d’arrivée 23, alors il n’est pas visible sur la deuxième image 20.
Pour limiter ce risque et optimiser les calculs, on peut prévoir une étape de création de pyramides d’images qui consiste à obtenir une représentation multi-résolution de la première image 10 ou de la deuxième image 20, depuis l’image initiale jusqu’à une image très grossière de celle-ci.
Ainsi, on peut prévoir de réduire la résolution de la deuxième image 20 selon une pyramide d’images, en l’espèce une pyramide Gaussienne, et d’enregistrer l’ensemble d’images obtenues, chaque image ayant une résolution et une taille correspondantes.
On peut alors rechercher la première zone d’intérêt 12 de la première image 10 dans l’une au moins des images de la pyramide d’images, et de préférence en boucle sur l’ensemble des images de la pyramide, en commençant par celle de plus petite taille.
Comme la taille des images de la pyramide est inférieure à celle de l’image d’origine mais que la taille de la zone d’intérêt reste la même, le ratio entre les deux diffère à chaque image de la pyramide, ce qui permet d’une part d’obtenir une solution robuste et d’autre part de pouvoir estimer le déplacement du point remarquable 11 entre la première et la deuxième image 20.
Grâce à la pyramide d’images, l’estimation du déplacement est réalisée au moins grossièrement sur les images de la pyramide de petite taille et de plus en plus précis à chaque image de taille supérieure.
Typiquement, on peut utiliser à cet effet un algorithme de suivi de mouvement ou de suivi de points, en l’espèce l’algorithme KLT (pour Kanade-Lucas-Tomasi), connu notamment pour l’asservissement des caméras embarquées, appliqué à chaque image de la pyramide d’images.
D’un point de vue graphique, on peut prévoir d’afficher sur un écran d’affichage au moins l’une parmi la première image 10 et la deuxième image 20 et, sur au moins une image affichée, on peut prévoir de représenter graphiquement un vecteur entre ledit point remarquable 1 1 de la première image 10 et ledit point remarquable 1 1 de la deuxième image 20.
Par exemple, on peut prévoir de tracer un vecteur sur la première image 10 ou la deuxième image 20 dont l’origine est la position du point remarquable 1 1 dans la première image 10 et dont l’extrémité est la position du point remarquable 1 1 dans la deuxième image 20, ce qui permet d’illustrer graphiquement le déplacement du point remarquable 1 1 entre deux images successives de la séquence.
D’une image à l’autre on peut obtenir des vecteurs de champ de déplacement, qui contiennent une information spatiale et temporelle du déplacement de points remarquables, donc de la contraction.
On peut calculer la norme de l’ensemble des vecteurs d’une image et l’intensité du champ de vecteurs par moyenne de tous les vecteurs.
Le traitement d’images ainsi réalisé permet de calculer le déplacement d’un point remarquable 1 1 entre la première image 10 et l’ensemble de deuxièmes images. Le temps séparant la première image 10 de l’ensemble des deuxièmes images de la séquence est connu. La distance séparant la position du point remarquable 1 1 sur la première image 10 et la position du point remarquable 11 sur l’ensemble de deuxièmes images est calculée, en se basant sur la taille des pixels, connue.
Ainsi, on peut déterminer la variation du déplacement d’un point remarquable 11 en fonction du temps t, cette variation temporelle étant une onde de contraction cellulaire, comme illustré sur la figure 2A.
En moyennant les déplacements de l’ensemble des points remarquables, on peut déterminer une onde de contraction cellulaire de l’ensemble de cellules biologiques.
On peut prévoir d’afficher une courbe représentative de l’onde de contraction cellulaire sur un écran d’affichage.
On peut prévoir une étape d’interpolation de la courbe représentative de l’onde de contraction cellulaire. Grâce aux valeurs de la courbe, et le cas échéant par transformée de Fourier, on peut prévoir de calculer au moins l’une des valeurs parmi :
o l’amplitude A de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, et notamment l’amplitude maximale Amax, c'est à dire la distance maximale entre la position dudit point remarquable 11 de la première image 10 et l’ensemble des positions correspondantes du point remarquable 11 parmi l’ensemble d’au moins une deuxième image 20,
o la vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, c'est à dire la vitesse de propagation dudit point remarquable 11 , qui est un marqueur du couplage entre cellules adjacentes, o les gradients de vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la période T de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la fréquence 1/T de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o le temps de montée Tm, c'est à dire l’intervalle de temps entre :
■ la première image 10 et
■ la première deuxième image 20 de la séquence pour laquelle la distance entre le point remarquable 1 1 de la deuxième image 20 et le point remarquable 1 1 de la première image 10 est maximale ;
o le temps de descente Td, c'est à dire l’intervalle de temps entre :
■ la deuxième image 20 pour laquelle la distance entre le point remarquable 11 de la deuxième image 20 et le point remarquable 1 1 de la première image 10 est maximale, et
■ la première deuxième image 20 de la séquence pour laquelle la distance entre le point remarquable 1 1 de la deuxième image 20 et le point remarquable 1 1 de la première image 10 est nulle.
Ainsi, il est possible de déterminer la vitesse et la durée de contraction, la vitesse et la durée de relaxation, la fréquence et l’amplitude de contraction.
On peut aussi prévoir, de détecter pendant une période au moins de l’onde de contraction cellulaire si l’amplitude de ladite onde de contraction cellulaire passe par :
au moins deux extrema dont la valeur est supérieure à une valeur seuil prédéterminée, ou
comprend un nombre d’extrema supérieur ou inférieur à une valeur seuil prédéterminée. Comme illustré sur la figure 2B l’amplitude de l’onde de contraction passe par un premier maximum E1 , un minimum E2 et un deuxième maximum E3. Cependant, la valeur du minimum E2 de la figure 2B est très inférieure à la valeur du minimum E2 de la figure 2A, ce qui peut être détecté par comparaison à une valeur seuil.
Il est ainsi possible de détecter des variations dans le rythme des contractions cellulaires, et de détecter des événements contractiles aberrants.
Il est ainsi possible de tester la sécurité, l’efficacité ou la toxicité d’une molécule particulière sur des cellules biologiques, en particulier humaines, préalablement à tout test sur un modèle animal. On peut donc prévoir une étape de criblage pharmacologique.
Par exemple, on enregistre l’onde de contraction cellulaire pour un individu sain (figure 2A), on soumet ces cellules à une molécule particulière et on enregistre l’onde de contraction cellulaire dans ce contexte (figure 2B). On peut ainsi détecter les effets physiologiques de la molécule in- vitro mais aussi directement sur des cellules ayant un patrimoine génétique désiré.
La présente invention trouve donc un intérêt particulier pour le test de nouvelles molécules, de nouveaux médicaments, mais également dans un contexte de pharmacovigilance, ou encore pour étudier des pathologies associées, y compris les effets secondaires, comme décrit ci- dessous.
Analyse vidéo
Chaque point de la figure 3A, 3B, 3C et 3D correspond au résultat ou traitement des cellules d’un individu, correspondant par exemple à l’une des courbes illustrées sur la figure 2A ou la figure 2B.
Sur les figures 3A, 3B, 3C et 3D :
H représente un individu sain ;
M1 représente un individu présentant une première anomalie connue, par exemple une mutation génétique ;
M2 représente un individu présentant une deuxième anomalie connue, par exemple une autre mutation génétique, ou un second clone de M1. La figure 3A représente la fréquence de l’onde de contraction cardiaque pour 3 individus. Clairement la fréquence moyenne de l’individu H est supérieure à celle de l’individu M1 , elle-même supérieure à celle de l’individu M2.
La figure 3B illustre la réponse des cellules, c'est à dire la fréquence moyenne de contraction, des individus H, M1 et M2 après une phase de maturation des cellules.
La figure 3C représente l’amplitude moyenne de l’onde de contraction cardiaque pour les 3 mêmes individus.
La figure 3D illustre la réponse des cellules, c'est à dire l’amplitude moyenne de contraction, des individus H, M1 et M2 après une phase de maturation des cellules.
Il est clair que les effets d’une molécule donnée sur la contraction des cellules peuvent ainsi être mesurés. Ce qui peut permettre non seulement de tester directement par exemple l’effet d’une molécule, en particulier thérapeutique et par exemple destinée typiquement au traitement d’une pathologie cardiaque, mais aussi de tester les effets secondaires sur des cardiomyocytes humains ou d’animaux d’une molécule thérapeutique destinée typiquement au traitement d’une pathologie d’un autre organe, par exemple du foie.
Au-delà de l’imagerie de contractions cellulaires l’invention peut être mise en oeuvre dans d’autres domaines que la biologie, par exemple en chimie ou en physique, pour l’étude par imagerie de tout phénomène ondulatoire, résonnant ou vibratoire, de préférence périodique.
Nomenclature
E1 Premier maximum
E2 Premier minimum
E3 Deuxième maximum
10 Première image
11 Point remarquable
12 Première zone d’intérêt
20 Deuxième image
22 Deuxième zone d’intérêt
23 Fenêtre d’arrivée

Claims

REVENDICATIONS
1. Procédé d’analyse automatisée des contractions cellulaires d’un ensemble de cellules biologiques, comprenant :
Déterminer la position d’un ensemble de points remarquables (11 ) sur la première image
(10) d’une séquence temporelle d’images dudit ensemble de cellules biologiques, ladite séquence comprenant une première image (10) et un ensemble d’au moins une deuxième image (20),
Caractérisé en ce qu’il comprend en outre des étapes consistant à :
Déterminer la position dudit ensemble de points remarquables (11 ) sur la deuxième image (20),
Et pour au moins un point remarquable (11 ) :
Déterminer le déplacement dudit point remarquable (11 ) entre la première image (10) et la deuxième image (20), par comparaison de la position dudit premier point remarquable
(11 ) de la première image (10) et la position dudit deuxième point remarquable (11 ) correspondant de la deuxième image (20).
2. Procédé selon la revendication 1 , comprenant en outre :
Définir une première zone d’intérêt (12) autour dudit point remarquable (1 1 ) de la première image (10),
Calculer l’intensité de ladite première zone d’intérêt (12) de la première image (10),
Définir une deuxième zone d’intérêt (22) sur la deuxième image (20), de préférence centrée sur un point sur la deuxième image (20) ayant les mêmes coordonnées que ledit point remarquable (11 ) de la première image (10), ladite deuxième zone d’intérêt (22) étant de même forme et de mêmes dimensions que la première zone d’intérêt (12), Déplacer la deuxième zone d’intérêt (22) sur un ensemble de positions dans une fenêtre d’arrivée (23) de la deuxième image (20), et à chaque position :
o calculer l’intensité de la deuxième zone d’intérêt (22), et
o calculer une corrélation entre l’intensité de la deuxième zone d’intérêt (22) de la deuxième image (20) et l’intensité de première zone d’intérêt (12) de la première image (10).
3. Procédé selon la revendication 2, dans lequel l’étape consistant à :
Déterminer le déplacement dudit point remarquable (11 ) entre la première image (10) et la deuxième image (20),
Comprend des étapes préalables consistant à : réduire la résolution de la première image (10) et la résolution de la deuxième image (20) selon une pyramide d’images ;
rechercher la première zone d’intérêt (12) de la première image (10) dans l’une des images de la pyramide d’images.
4. Procédé selon l'une quelconque des revendications 2 ou 3, comprenant des étapes consistant à, pour chaque fenêtre d’arrivée (23) :
calculer une matrice de corrélation correspondant à l’ensemble de positions de la deuxième zone d’intérêt (22) dans ladite fenêtre,
détecter la position du pic de corrélation dans ladite matrice de corrélation, et
assigner comme position du point remarquable (11 ) sur la deuxième image (20) ladite position correspondant au pic de corrélation.
5. Procédé selon l’une quelconque des revendications précédentes, comprenant des étapes consistant à :
Afficher sur un écran d’affichage au moins l’une parmi la première image (10) et la deuxième image (20), et
Sur au moins une image affichée, représenter graphiquement un vecteur entre ledit point remarquable (1 1 ) de la première image (10) et ledit point remarquable (11 ) de la deuxième image (20).
6. Procédé selon l’une quelconque des revendications précédentes, comprenant des étapes consistant à :
Déterminer une onde de contraction cellulaire de l’ensemble de cellules biologiques par calcul du déplacement dudit point remarquable entre la première image (10) et l’ensemble d’au moins une deuxième image (20) en fonction du temps (t), et
Calculer au moins l’une des valeurs parmi :
o l’amplitude (A) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o au moins un gradient de vitesse de propagation de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la période (T) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques,
o la fréquence (V) de l’onde de contraction cellulaire de l’ensemble de cellules biologiques, o l’intervalle de temps entre :
■ la première image (10) et
■ la première deuxième image (20) de la séquence pour laquelle le déplacement du point remarquable (11 ) entre la première image (10) et la deuxième image (20) est maximal ;
o l’intervalle de temps entre :
■ la deuxième image (20) pour laquelle le déplacement du point remarquable (1 1 ) entre la première image (10) et la deuxième image (20) est maximale, et
■ la première deuxième image (20) de la séquence pour laquelle le déplacement du point remarquable (11 ) entre la première image (10) et la deuxième image (20) est nulle.
7. Procédé selon la revendication 6, comprenant une étape consistant à détecter pendant une période (T) au moins de l’onde de contraction cellulaire si l’amplitude de ladite onde de contraction cellulaire :
Passe par un nombre de maximum (E1 , E3) prédéterminé et dont la valeur est supérieure à une valeur seuil prédéterminée, ou
passe par un nombre de minimum (E2) prédéterminé et dont la valeur est inférieure à une valeur seuil prédéterminée.
8. Procédé selon l'une quelconque des revendications précédentes, comprenant en outre une étape de criblage pharmacologique.
9. Procédé selon l'une quelconque des revendications précédentes, comprenant en outre une étape préalable de microscopie à contraste de phase dudit ensemble de cellules biologiques pour obtenir ladite séquence temporelle d’images.
10. Programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l'une quelconque des revendications précédentes, lorsque ledit programme est exécuté sur un ordinateur.
EP19772761.3A 2018-09-26 2019-09-25 Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques Pending EP3857507A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1858784A FR3086435B1 (fr) 2018-09-26 2018-09-26 Procede d’analyse automatisee des contractions cellulaires d’un ensemble de cellules biologiques.
PCT/EP2019/075897 WO2020064855A1 (fr) 2018-09-26 2019-09-25 Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques.

Publications (1)

Publication Number Publication Date
EP3857507A1 true EP3857507A1 (fr) 2021-08-04

Family

ID=65243880

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19772761.3A Pending EP3857507A1 (fr) 2018-09-26 2019-09-25 Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques

Country Status (5)

Country Link
US (1) US20220005197A1 (fr)
EP (1) EP3857507A1 (fr)
CA (1) CA3113884A1 (fr)
FR (1) FR3086435B1 (fr)
WO (1) WO2020064855A1 (fr)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9786052B2 (en) * 2010-03-29 2017-10-10 Sony Corporation Image processing apparatus and method for evaluating objects in an image
US9582894B2 (en) * 2012-12-27 2017-02-28 Tampereen Ylipoisto Visual cardiomyocyte analysis
JP6573118B2 (ja) * 2013-07-19 2019-09-11 ソニー株式会社 細胞評価装置および方法、並びにプログラム

Also Published As

Publication number Publication date
WO2020064855A1 (fr) 2020-04-02
US20220005197A1 (en) 2022-01-06
FR3086435B1 (fr) 2021-06-11
CA3113884A1 (fr) 2020-04-02
FR3086435A1 (fr) 2020-03-27

Similar Documents

Publication Publication Date Title
US10733419B2 (en) Systems and methods for cell membrane identification and tracking, and technique automation using the same
Brangwynne et al. Bending dynamics of fluctuating biopolymers probed by automated high-resolution filament tracking
KR101900977B1 (ko) 화상 처리 장치 및 방법과 컴퓨터 판독가능 기록매체
EP1431907A1 (fr) Evaluation de la netteté d'une image d'iris d'oeil
Yang et al. 3-D reconstruction of microtubules from multi-angle total internal reflection fluorescence microscopy using Bayesian framework
EP3552146B1 (fr) Détection de nerfs dans une série d'images échographiques
EP1308890B1 (fr) Station d'imagerie médicale à fonction d'extraction de trajetoire au sein d'un objet ramifié
Helmuth et al. Shape reconstruction of subcellular structures from live cell fluorescence microscopy images
Hu et al. Automated segmentation of geographic atrophy using deep convolutional neural networks
CA3092784A1 (fr) Dispositif informatique de detection de troubles du rythme cardiaque
EP3857507A1 (fr) Procede d'analyse automatisee des contractions cellulaires d'un ensemble de cellules biologiques
Egebjerg et al. Automated quantification of vacuole fusion and lipophagy in Saccharomyces cerevisiae from fluorescence and cryo-soft X-ray microscopy data using deep learning
EP1306796A1 (fr) Détection d'un motif dans une image numérique
Gevaux 3D-hyperspectral imaging and optical analysis of skin for the human face
FR2819919A1 (fr) Suivi de la deformation d'une structure lineique sur une image d'une sequence d'images d'un organe deformable dans le temps
Ye et al. Learned, uncertainty-driven adaptive acquisition for photon-efficient multiphoton microscopy
US11887298B2 (en) Fluorescence lifetime imaging using deep learning
EP2943935B1 (fr) Estimation de mouvement d'une image
Koulgi et al. Graphical model-based tracking of curvilinear structures in bio-image sequences
Zaki et al. Tracing of retinal blood vessels through edge information
FR3113155A1 (fr) Procédé d’identification d’un implant dentaire visible sur une image d’entrée au moyen d’au moins un réseau de neurones à convolution.
EP3509483B1 (fr) Systeme et procede pour reconstruire un signal physiologique d'un systeme dynamique artere/tissu/veine d'un organe dans un espace surfacique
WO2020260635A1 (fr) Procédé d'analyse de la démarche d'un individu
Li et al. Motion artifact removal of optical coherence tomography angiography based on tensor voting
JP2020144100A (ja) 角質中のセラミドの測定方法

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20210319

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS