Analyse quantitative d'imagerie grand volume en neurobiologie du développement

La compréhension du développement et de la connectivité neuronaux à l’échelle du cerveau entier requiert des outils capables de distinguer les neurones individuels dans des environnements densément marques. Le marquage combinatoire Brainbow, associe à l’imagerie chromatique multiphotonique en série (ChroMS), permet une cartographie haute résolution de cerveaux de souris entiers avec des détails subcellulaires.Ces techniques génèrent des ensembles de données massifs, nécessitant des algorithmes spécialisés pour extraire avec précision la position, la morphologie et la lignée des neurones.Cette thèse présente une suite d’outils informatiques et d’algorithmes conçus pour exploiter les propriétés du marquage Brainbow et de l’imagerie ChroMS, afin d’analyser des ensembles de données neuronales à grande échelle.Nous introduisons d’abord des outils pour explorer et visualiser les données Brainbow, notamment par la projection dans l’espace des canaux, facilitant la distinction des lignées.Un modèle de simulation du marquage est également propose pour évaluer les limites de résolution des lignées en conditions bruitées.Nous développons ensuite des algorithmes de traitement adaptes, incluant des méthodes d’apprentissage profond pour détecter les centroïdes neuronaux. Ces approches, intégrées à des projets open source, sont validées dans diverses régions cérébrales. Des méthodes de regroupement sont évaluées pour inférer les relations clonales, et leur portée est explorée par des simulations. Une technique de filtrage par apprentissage profond est proposée pour améliorer le traçage des axones à l’aide d’outils existants. Nous démontrons le passage à l’échelle de ces méthodes sur des en-sembles de données téraoctet, avec une optimisation mémoire et calcul permettant le traitement d’images volumineuses, même fragmentées. Enfin, nous appliquons ces outils à des études biologiques sur différentes régions cérébrales. Nous étudions le développement clonal de l’hippocampe, la densité cellulaire du cortex murin et le traçage des projections auditives.

Authors

Publication Details

Published
2025-06-30
Primary Topic
Cell Image Analysis Techniques
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Analyse quantitative d'imagerie grand volume en neurobiologie du développement

Clément Caporal
Cell Image Analysis Techniques
article

Analyse quantitative d'imagerie grand volume en neurobiologie du développement

Clément Caporal
article en

Abstract

La compréhension du développement et de la connectivité neuronaux à l’échelle du cerveau entier requiert des outils capables de distinguer les neurones individuels dans des environnements densément marques. Le marquage combinatoire Brainbow, associe à l’imagerie chromatique multiphotonique en série (ChroMS), permet une cartographie haute résolution de cerveaux de souris entiers avec des détails subcellulaires.Ces techniques génèrent des ensembles de données massifs, nécessitant des algorithmes spécialisés pour extraire avec précision la position, la morphologie et la lignée des neurones.Cette thèse présente une suite d’outils informatiques et d’algorithmes conçus pour exploiter les propriétés du marquage Brainbow et de l’imagerie ChroMS, afin d’analyser des ensembles de données neuronales à grande échelle.Nous introduisons d’abord des outils pour explorer et visualiser les données Brainbow, notamment par la projection dans l’espace des canaux, facilitant la distinction des lignées.Un modèle de simulation du marquage est également propose pour évaluer les limites de résolution des lignées en conditions bruitées.Nous développons ensuite des algorithmes de traitement adaptes, incluant des méthodes d’apprentissage profond pour détecter les centroïdes neuronaux. Ces approches, intégrées à des projets open source, sont validées dans diverses régions cérébrales. Des méthodes de regroupement sont évaluées pour inférer les relations clonales, et leur portée est explorée par des simulations. Une technique de filtrage par apprentissage profond est proposée pour améliorer le traçage des axones à l’aide d’outils existants. Nous démontrons le passage à l’échelle de ces méthodes sur des en-sembles de données téraoctet, avec une optimisation mémoire et calcul permettant le traitement d’images volumineuses, même fragmentées. Enfin, nous appliquons ces outils à des études biologiques sur différentes régions cérébrales. Nous étudions le développement clonal de l’hippocampe, la densité cellulaire du cortex murin et le traçage des projections auditives.

Openalex Percentile: Top 18%
Cell Image Analysis Techniques
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.