3.4 la classe CC
3.4.1 Les limites du modèle de Potts étendu
+λX
σ(a(σ)−A
τ(σ))
2Γ(A
τ(σ)).
La dynamique de Métropolis-Hastings utilisée par Graner et Glazier est décrite en
détail à la section 3.3.5. Dans la suite de cette section, nous allons montrer que l'étude
approfondie de ce modèle soulève quelques limites. Ces limites sont principalement dues
à la discrétisation de l'espace en pixels.
3.4.1 Les limites du modèle de Potts étendu
En premier lieu, Graner et Glazier ont mis en avant le fait qu'aucune contrainte n'était
spéciée quant à la connexité des cellules (voir Figure 3.12). Pour contrôler ce problème,
la dynamique de Graner et Glazier utilise une conguration initiale qui satisfait déjà à
une géométrie régulière. Etant donné que le paramètre de température est faible, une
perte de connexité constitue dans leurs campagnes de simulation un événement rare.
Néanmoins, ce problème de connexité est lié au fait que l'espace soit discrétisé : sur un
modèle centré, la connexité des cellules est évidente.
En un second lieu, nous pouvons remarquer que l'algorithme utilisé par Glazier et
Graner construit une chaine de Markov non reversible. En eet, leur algorithme s'autorise
127 3.4. la classe CC
Fig. 3.12: Exemple de perte de connexité d'une cellule. La cellule grise suite
à l'itération schématisée ci-dessus n'est plus connexe.
à tuer certaines cellules mais ne peut pas en créer. La convergence de l'algorithme
n'est donc pas garantie et ce problème n'est pas traité par Graner et Glazier. Comme
pour le problème de connexité des cellules, les auteurs initialisent leur algorithme en une
conguration pour laquelle la contrainte de forme est déjà presque respectée. Par
consé-quent, l'algorithme se trouve, dès l'initialisation, proche d'un minimum local. Or, comme
le précise les auteurs, leur algorithme ne s'autorise que des petits sauts énergétiques
à chaque itération et va donc rester bloqué dans le minimum local le plus proche de la
conguration initiale.
En troisième lieu, nous avons remarqué que les auteurs ne s'étaient pas préoccupés
de l'invariance par changement d'échelle. En eet, Graner et Glazier se sont concentrés
sur la simulation du modèle dans le cas d'un pas de discrétisation égal à1: chaque pixel
est représenté par un carré de côté égal à 1 et donc d'aire égale à 1. Pourtant, nous
pouvons constater que pour un même jeu de paramètres et une discrétisation deux fois
plus ne, par exemple, l'Hamiltonien du système se trouve changé et modie également
le comportement de l'algorithme.
Premièrement, le choix de la taille de la grille de discrétisation modie le calcul de
l'Hamiltonien (voir gure 3.13). Pour une grille carrée composée de neuf pixels, chacun
des carrés étant de côté 1, l'Hamiltonien de la conguration décrite dans gure 3.13(a)
vaut 31. Pour la même conguration, mais sur une grille deux fois plus ne, composée
de 36 pixels, chacun carrés de côté1/2, l'Hamiltonien vaut 58, gure 3.13(b).
(a) (b)
Fig. 3.13: Exemple de calculs d'Hamiltonien pour une même conguration
et un même jeu de paramètres, mais avec des grilles de
discré-tisation de tailles diérentes. Les congurations (a) et (b) sont
géométriquement identiques : elles sont composées de deux
cel-lules, une grise et une blanche, dont la forme est conservée entre
la conguration(a)et(b). Dans la gure(a)la grille est
compo-sée de carrés de côté1et dans la gure (b)la grille est composée
de carrés de côté 1/2. En choisissant comme paramètres J = 3
pour une interaction entre un pixel d'une cellule grise et un pixel
d'une cellule blanche, A= 4 comme aire cible pour une cellule
grise et une cellule blanche, dans le cas (a) l'Hamiltonien du
système vaut31et dans le cas(b) 58. Si l'interaction entre deux
pixels est pondérée par le pas de discrétisation, l'Hamiltonien du
système(a)vaut toujours31(car le pas vaut1), et l'Hamiltonien
du système(b) vaut 35.5 (le pas vaut dans ce cas 1/2).
129 3.4. la classe CC
Nous pouvons facilement remarquer que plus la grille sera ne plus le poids sur les
interactions entre pixels voisins deviendra grand par rapport à la contrainte de forme
sur les cellules. An de conserver le même ordre de grandeur entre ces deux types de
contrainte, indépendamment de la nesse de discrétisation, il est naturel de pondérer
une interaction entre deux pixels par un facteurh, oùhest le pas de discrétisation. Cette
pondération permet de modérer l'interaction entre deux pixels par la longueur de leur
surface de contact et conserve donc la philosophie du modèle de Graner et Glazier, basée
sur l'hypothèse DAH de Steinberg. Dans ce cas, les Hamiltoniens du système calculés à
la gure 3.13 reste du même ordre de grandeur :H
GG= 31contreH
GG= 35.5.
Deuxièmement, ce problème d'échelle se répercute également sur l'algorithme de
si-mulation. En eet, la discrétisation joue un rôle important dans le calcul de la probabilité
d'acceptation d'une transition. Dans l'exemple décrit à la gure 3.14, si l'interaction entre
deux pixels n'est pas pondérée par le pas de discrétisation, la transition étudiée s'eectue
quasi-sûrement dans le cas(a) et avec une probabilité de exp(−4/(kT))dans le cas (b).
Comme k ≈ 1.38.10
−23et T ≈ 10, cette probabilité dans le cas (b) est très faible. Si
au contraire, l'interaction entre deux pixels est pondérée par le pas de discrétisation, la
transition sera acceptée presque-sûrement dans les deux cas (a)et(b).
La plupart des problèmes mis en avant ci-dessus sont liés à la discrétisation de l'espace.
Dans notre approche nous proposons une alternative au modèle de Graner et Glazier sur
un espace continu. Nous proposons ici un modèle centré, de type processus ponctuel, pour
lequel chaque cellule est caractérisée par un point et une zone d'inuence. L'interaction
entre les cellules est également dénie à l'aide d'un Hamiltonien, an de conserver l'esprit
de l'hypothèse biologique DAH.
3.4.2 Introduction d'une classe de fonctions Hamiltoniennes sur un
Dans le document
Modèles statistiques du développement de tumeurs cancéreuses
(Page 127-130)