Segmentation des zones tachetées dans les images biomédicales basée sur l'estimation de la densité locale des bords

Nous proposons une approche efficace pour la segmentation semi-automatisée d’images biomédicales fondée sur leur patchiness, basée sur une estimation locale de la densité des contours. Notre méthode ne nécessite aucune phase préalable d’apprentissage ou d’ajustement, bien qu’un petit nombre de paramètres libres, directement contrôlables par l’utilisateur final, permettent d’ajuster respectivement la résolution et la sensibilité de l’analyse. Nous montrons explicitement que la densité locale des contours présente de très fortes corrélations avec la densité de monocouche cellulaire évaluée manuellement par des experts du domaine, caractérisée par des coefficients de corrélation élevés. Nos résultats indiquent que l’algorithme proposé est capable d’une segmentation et d’une quantification efficaces des zones patchy dans diverses images microscopiques biomédicales. En particulier, l’algorithme atteint une précision médiane comprise entre 95 % et 99 % dans la segmentation des zones d’image couvertes par une monocouche cellulaire dans un essai in vitro de blessure (scratch assay). De plus, l’algorithme distingue efficacement les fragments de tissu natif et régénéré dans les images microscopiques de coupes histologiques, comme le montre une différence quasi triplement plus élevée entre les densités locales des contours dans les régions correspondantes. Nous pensons que l’estimation de la densité locale des contours pourrait être utilisée comme canal d’image de substitution ou complémentaire à l’immunofluorescence classique ciblant les cellules ou les tissus, afin de caractériser la patchiness, permettant dans certains cas d’éviter ou de limiter l’utilisation de protocoles expérimentaux complexes. Nous avons développé un outil logiciel simple et open-source, offrant une visualisation en temps réel, permettant ainsi un retour direct d’un expert du domaine sans nécessiter de compétences spécifiques en traitement d’images. Ce logiciel est librement disponible en ligne à l’adresse suivante : https://gitlab.com/digiratory/biomedimaging/bcanalyzer.