Soutenance de thèse de JULIA Adrien
Titre de thèse
Restauration et correction des artefacts en microscopie à feuillet de lumière pour l'imagerie de cerveaux de souris transparisés.
Image Restoration and Artifact Correction in Light-Sheet Microscopy of Cleared Mouse Brains.
Résumé de la thèse
La microscopie fluorescente à feuillet de lumière (LSFM) constitue un outil de
choix pour l'imagerie tridimensionnelle du cerveau, permettant de visualiser des
structures neuronales à l'échelle cellulaire tout en ayant une vitesse d'acquisition
largement supérieure à la microscopie confocale. Toutefois, les images issues de la
LSFM présentent souvent des artefacts optiques et géométriques, tels que le flou
dû à la réponse instrumentale de l'appareil, le bruit inhérent à la microscopie à
fluorescence et la distorsion axiale des volumes reconstruits, qui dégradent la qualité
des données et compliquent leur interprétation biologique.
Cette thèse propose un pipeline complet de restauration d'images, appliqué direc-
tement sur les coupes bidimensionnelles extraites des volumes LSFM. Le premier
traitement repose sur une déconvolution 2D selon l'algorithme de Richardson–Lucy,
adapté aux caractéristiques optiques spécifiques de la LSFM et enrichi d'une régu-
larisation préservant le flux pour limiter l'amplification du bruit. Le second module
applique un rehaussement local du contraste par la méthode CLAHE (Contrast Limited
Adaptive Histogram Equalization), permettant d'améliorer la lisibilité des structures
tout en évitant la surexposition. Enfin, la troisième étape repose sur un autoenco-
deur convolutionnel de débruitage, capable de supprimer efficacement le bruit de
Poisson–Gauss intrinsèque au système d'imagerie tout en préservant les contours
cellulaires et les structures fines.
En complément, une approche a été développée pour corriger la distorsion axiale
propre à la LSFM, fondée sur un autoencodeur entraîné sur des images de billes
fluorescentes. Ce modèle apprend à restituer la géométrie réelle des structures à partir
d'exemples de billes distordues et de leurs reconstructions sphériques idéales.
Enfin, diverses méthodes de segmentation développées pour la microscopie ont été
explorées en fin de thèse, dans la perspective d'exploiter les volumes restaurés pour
une analyse cellulaire et morphologique automatisée.
Thesis resume
Light-Sheet Fluorescence Microscopy (LSFM) is a powerful tool for three-dimensional
brain imaging: it enables visualization of neuronal structures at cellular scale with
acquisition speeds far exceeding those of confocal microscopy. However, LSFM images
often exhibit optical and geometric artifacts and blur due to the system's point spread
function (PSF), fluorescence-inherent noise, and axial distortion that degrade data
quality and complicate biological interpretation.
This thesis proposes a complete image restoration pipeline applied directly to two-
dimensional slices extracted from LSFM volumes. The first stage performs 2D deconvo-
lution using the Richardson–Lucy algorithm, adapted to LSFM's optical characteristics
and augmented with flux-preserving regularization to limit noise amplification. The
second module applies local contrast enhancement via CLAHE (Contrast-Limited
Adaptive Histogram Equalization) to improve structural readability without causing
overexposure. Finally, a convolutional denoising autoencoder effectively suppresses
the system's intrinsic Poisson–Gaussian noise while preserving cellular boundaries
and fine structures, thereby improving the signal-to-noise ratio (SNR).
In addition, an approach was developed to correct LSFM-specific axial distortion,
based on an autoencoder trained on fluorescent bead images. This model learns
to recover true geometry from distorted bead examples and their ideal spherical
reconstructions. Lastly, several microscopy segmentation methods were explored to
leverage the restored volumes for automated cellular and morphological analysis.