Analyse d’images avec Cell Recognition

L’algorithme Cell Recognition permet d’identifier et de dénombrer des cellules en machine learning. Il détecte des cellules, sur différents types de marquage (IHC, multiplexage, chromogénique et fluorescence) à partir d’images d’apprentissage. L’algorithme Cell Recognition peut segmenter jusqu’à cinq classes cellulaires à partir de critères de couleur, de contours et de textures.

analyse image cell recognition pathotogie digitale

Le protocole :

Les étapes de l’analyse d’images avec l’algorithme Cell Recognition sont les suivantes :

  • Sélection du plan couleur
    Grâce à la déconvolution couleur, les plans couleur adaptés à la segmentation sont sélectionnés. Il peut s’agir d’une image couleur ou de certains canaux uniquement (DAB, IF…).
  • Définition du modèle d’apprentissage
    En s’appuyant sur la RFT, des exemples de chaque classe de cellules sont sélectionnés et viennent nourrir la base d’apprentissage. L’algorithme détermine à partir de ces exemples les critères classificatoires et propose une carte de probabilité d’appartenance pour chaque cellule.
  • Application de seuils de probabilité
    Les seuils de probabilité sont déterminés pour que chaque cellule appartienne à sa classe. Ces seuils sont adaptés en fonction de chaque type tissulaire.

Les résultats présentent le nombre de cellules segmentées par classe ainsi que le nombre de voisins pour chaque cellule. Une reconstruction et une description des cellules est possible.