Construire un pipeline d’analyse d’images sous la plateforme QuPath : bases conceptuelles et pratiques et intégration du Deep Learning Présentiel

AXE 10 - Microscopie et imagerie

Environnement scientifique et technique de la formation

Institut de biologie du développement de Marseille-Luminy
http://www.ibdm.univ-mrs.fr/fr/service/imagerie/

RESPONSABLES
Cédric MATTHEWS
Ingénieur de recherche
UMR 7288
Bertrand VERNAY
Ingénieur de recherche

Traitement d'images

Construire un pipeline d'analyse d'images sous la plateforme QuPath : bases conceptuelles et pratiques et intégration du Deep Learning

PROGRAMME
1er jour :

• Création d'images et de formats d'images spécifiques au domaine d'utilisation de QuPath, à savoir lames virtuelles, images au format pyramidale que ce soit en fluorescence ou en mode couleur
• On évolue progressivement vers l'utilisation des outils proposés par QuPath en suivant le mode projet par la création et la gestion d'annotations sur les images, la classification et la création d'objets
• Nous aborderons l'usage de filtres combinés de classification pour aborder des segmentations complexes

 

2ème jour :

• Le point fort de QuPath est d'intégrer en tant que plateforme Deep Learning des outils déjà entrainés que nous parcourrons dans leurs spécificités et que nous adapterons par fine tuning aux données spécifiques
• Les analyses qui seront faites seront de type morphologique ou dynamique
• Le dernier temps de la formation sera consacré à l'application des outils transmis durant la formation, à l'aide de la résolution des problématiques de chacun
• Des outils utilisant des modèles pré-entrainés seront aussi montrés durant ce dernier temps
• Nous apprendrons aussi un comportement d'écologie numérique en utilisant l'outil approprié

 

À L'ISSUE DE LA FORMATION
Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

• Acquérir, par une alternance de cours et de travaux pratiques, les concepts et les méthodes actuelles du traitement de l'image en gestion de projet avec la plateforme QuPath
• Conduire rapidement et automatiquement de façon autonome un travail complet d'analyse sur des séries d'images ou de lames virtuelles
• Appréhender l'utilisation de nouvelles plateformes logiciels libres de droit comme QuPath et les interopérabilités avec des outils de segmentation récents (StarDdist, cellpose, SAM…), et connaître les points forts et complémentaires de ces applications en les spécialisant par fine tuning
• Découvrir l'approche de la mesure de qualité en Deep Learning et de la notion d'écologie numérique

Chercheurs, ingénieurs et techniciens, tous types de secteur d'activité

Bases de l'analyse d'images ou avoir suivi la formation Image J pour les débutants

Alternance de cours (5 h) et de formations théoriques (10 h) comportant des exercices d'application (encadrées par les 2 intervenants).
Les stagiaires travailleront en binôme (deux cerveaux, un ordinateur) lors de la résolution d'applications et feront une restitution au groupe.
Des supports dématérialisés, ouvrages, guides et logiciels seront remis aux participants à l'issue de la formation.
Tout au long de la formation, des cas pratiques réalisés en groupes permettront aux stagiaires d'évaluer l'acquisition des compétences. A chaque étape, une restitution collégiale sera effectuée pour mutualiser la connaissance acquise et la mettre en interrogation pour tous.

Des ordinateurs équipés de cartes graphiques et configurés seront mis à disposition des stagiaires, les logiciels libres de droits seront préinstallés (QuPath, FIJI, cellpose, SAM). Si un stagiaire veut utiliser son propre PC, il devra installer les logiciels QuPath, FIJI, cellpose (environnement Python), SAM et configurer sa carte graphique compatible CUDA.

Evaluation de la formation par les stagiaires