Le travail men´e par ce stage a pour l’objectif principal de d´ecrire un mod`ele spatial et l’impl´ementer. Pour d´ecrire un mod`ele spatial, dans notre stage, nous avons pr´esent´e des travails sur les ´echelles diff´erentes.
4. R´esultat et Discussion 54
— ´Echelle locale : La relation relative de deux objets dans une image est bas´e sur l’ensemble RCC8D qui d´ecrit huit relations disjointes sur des paires de r´egionsX et Y. Dans le cas o`u les objets ont la forme simple, nous pouvons appliquer la m´ethode de Monte Carlo qui visant `a calculer une valeur num´erique en utilisant des proc´ed´es al´eatoires. Mais cette m´ethode a des points faibles lorsque nombre d’objets n sont tr`es grands, le domaine de recherche est petit. Dans le cas o`u les objets ont la forme complexe, nous avons besoin d’autre outil puissant, et la transformation de distance est utilis´ee pour d´efinir la forme possible et calculer la carte de distance.
— ´Echelle globale : nous avons effectu´e n tirages sur les valeurs de la transformation de distance. Dans la fonction de distribution, nous avons d´efini la param`etre de distribution α ∈ [0,1], d´epend de la valeur α, nous pouvons tirer des points qui sont plus proches des objets existants ou qui sont plus loins possibles des objets existants.
— Multi-´echelle : Nous avons pu impl´ementer un mod`ele pour l’organisation
multi-´
echelle en combinant les r´esultats de la partie locale et la partie globale.
Perspective
Dans le cadre du stage, nous avons test´e certaines des formes d’un objet mais n’avons pas le temps pour g´en´eraliser `a toutes les formes possibles et faire des calculs en utilisant la distance chamfrein. De plus, nous n’avons pas le temps pour mettre en pratique la partie de langage de l’organisation spatiale n3 pour notre projet. Le travail men´e par ce stage peut appliquer dans la mod´elisation des ph´enom`enes en biologie. Actuellement, nous allons citer quelques applications suivantes :
— MICO projet : la description des ´etapes de cancer du sein, la description de l’organisation des cellules.
— DIABETE projet : proposer d’autres organisation des cellulesα,β,δpar exemple les cellules δ sont clusteris´es dans la membrane et calculer les interactions entre les cellules.
— DIVERS : Nous pouvons d´efinir l’organisation spatiale des objets dans une vid´eo en 3D et d’apr`es du temps. Par ailleurs, les imagerie satellite est un domain d’application exponential.
Bibliographie
[1] Kenyon NS Ricordi C Berggren PO Caicedo A. Cabrera O, Berman DM. The unique cytoarchitecture of human pancreatic islets has implications for islet cell function.
PNAS, Novembre 2006. URL http://www.ncbi.nlm.nih.gov/pubmed/24243488.
[2] D. A Randell et A. Galton. G. Landini. Intelligent imaging using discrete mereo-topology. IEEE Transactions on Pattern Analysis and Machine Intelligence, (12) : 1–5, December 2012. URLhttp://link.aip.org/link/?RSI/72/4477/1.
[3] R A. Russell D A. Stephens et P S. Freemont. D J. Weston, N M. Adams. Analysis of spatial point patterns in nuclear biology. PLoS One, 2012. URL http://www.
ncbi.nlm.nih.gov/pmc/articles/PMC3353971/.
[4] Kress C Lehmann G Tirichine L et al. Andrey P, Kieu K. Statistical analysis of 3d images detects regular spatial distributions of centromeres and chromocenters in animal and plant nuclei plos comput biol. PLoS Computational Biology, (7) : 1236–1239, July 2010. URLhttp:/journal.pcbi.1000853.
[5] Leo Hollberg Carl E. Wieman. Spatial point patterns. Lecture, Novembre 2010.
URLhttp://link.aip.org/link/?RSI/62/1/1.
[6] D. Racoceanu N. Lom´enie. Point set morphological filtering and semantic spatial configuration modeling : Application to microscopic image and bio-structure analy-sis. Pattern Recognition, 45(8), August 2012. URLhttp://link.aip.org/link/
?RSI/72/4477/1.
[7] Landini G. Randell DA. Discrete mereotopology for spatial reasoning in automated histological image analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence, (12), December 2012. URL http://link.aip.org/link/?RSI/72/
4477/1.
[8] Ms. Bilic. La structure et les fonctions cellulaires. Applewood Science Depart-ment., 2012-2014. URL http://www.digitalillusions.ca/applewoodscience/
LessonsOnLiine/JrScience/immersion/sciencefr.html.
55
Bibliography 56 [9] Homepage. Breast cancer. Applewood Science Department., 2006-2014. URLhttp:
//www.imaginis.com/breasthealth/breast_cancer_print.asp.
[10] Morel P Niclauss N Sgroi A Muller YD Giovannoni L Parnaud G Berney T.
Bosco D1, Armanet M. Unique arrangement of alpha- and beta-cells in human islets of langerhans. DIABETES, Feb 2010. URL http://www.ncbi.nlm.nih.
gov/pubmed/20185817.
[11] David J. Hodson. Guy A. Rutter. Minireview : Intraislet regulation of insulin secretion in humans. The Endocrine Society, pages 1–20, Novembre 2013. URL http://www.ncbi.nlm.nih.gov/pubmed/24243488.
[12] Robert Murphy. Toward the virtual cell : Automated approaches to building models of subcellular organization learned from microscopy images. Bioessays, 2012. URL http://murphylab.web.cmu.edu/publications/188-buck2012.pdf.
[13] J.C.Torelli O. M. Bruno. R. Fabbri, L D F. Costa. 2d euclidean distance transform algorithms : A comparative survey. ACM, (2) :61–68, Novembre 2008. URLhttp:
//doi.acm.org/10.1145/1322432.1322434.
[14] A. Walker R. Fisher, S. Perkins and E. Wolfart. Distance transform. Lecture, 2003.
URLhttp://homepages.inf.ed.ac.uk/rbf/HIPR2/distance.htm.
[15] Per-Erik Danielsson. Euclidean distance mapping. Lecture, 1979. URL http:
//link.aip.org/link/?RSI/62/1/1.
[16] R. Williams. 2d shape analysis using geodesic distance. 200000. URL http:
//www.cs.unm.edu/~williams/chsmith/1051.pdf.
[17] Rasband WS. Imagej. U. S. National Institutes of Health, Bethesda, Maryland, USA, January 1997-2012.. URLhttp://rsb.info.nih.gov/ij/.
[18] Rasband WS. Imagej 3d viewer plugin. U. S. National Institutes of Health, Be-thesda, Maryland, USA, 1997-2012.. URLhttp://imagej.nih.gov/ij/plugins/
3d-viewer/.
[19] Thomas Boudier. 3d imagej suite plugin. Image and Pervasive Access Lab, Sin-gapore., 2012-2014. URL http://imagejdocu.tudor.lu/doku.php?id=plugin:
stacks:3d_ij_suite:start.