S YSTÈMES D ’ ANALYSE D ’ IMAGE ET AUTOMATISATION

Il est couramment admis que l’acquisition de données en cémentochronologie représente une étape partiale et coûteuse en temps pour les laboratoires et qu’elle constitue un frein majeur des études cémentochronologiques. L’assistance par l'analyse d'image représente un besoin croissant en cémento-chronologie et ce travail de thèse expérimente un module développé sur la plate-forme Visilog® et financé par la région Nord-Pas de Calais (Projets

émer-gents 2013–2015  ; CADDAP, Douai & UTML, Université de Lille). Le logiciel

Visi-log® de FEI Visualization Sciences Group est une solution pour la création d’applications personnalisées de traitement d'images. Il est basé sur une biblio-thèque d'algorithmes et sur une expérience dans le développement d'applica-tions scientifiques et industrielles. En effet, la plate-forme Visilog® a été le sup-port de développement spécifique en sclérochronologie pour l’interprétation de pièces calcifiées (otolithes, écailles, vertèbres, coquille, illicium, statolithes) (IFREMER/LASAA, laboratoire de Sclérochronologie des Animaux Aquatiques & FEI

Visualization Sciences Group). L’intention de concevoir un système

semi-automatisé en cémentochronologie est née à la Direction de l’Archéologie dès 2011 et est devenu le fruit d'une collaboration entre anthropologues (CADDAP,

Douai & UTML, Université de Lille) et programmeurs (FEI Visualization Sciences

Groupd). Plusieurs années ont été nécessaires à la conception et à la

concrétisa-tion de ce module baptisé Arkéos dont l’objectif est l’augmentaconcrétisa-tion la taille des observations tout en éliminant les variabilités des lectures intra-observateurs et leur subjectivité.

- Méthodes

PRESENTATION DE L’ENVIRONNEMENT VISILOG^®

Visilog® permet l’importation des microphotographies 16 bit (1280x1024)

réali-sées dans le cadre d’études cémentochronologiques. La macro intègre une base de données qui permet le stockage des images traitées et à traiter grâce à un volet accessible sur l’espace de travail. Ces micrographies sont identifiables par l’intermédiaire de miniatures et d’un formulaire sur un volet permettant de lire et de saisir des métadonnées. Cette solution permet notamment pour chaque fichier de renseigner : le nom de l’image, la provenance de la préparation, le nom du site ou de la collection concernée, le nom de l’individu ou du patient concerné, le sexe, l’âge chronologique s’il est connu, le type de la dent sur la-quelle la préparation est effectuée, une description textuelle, des mots-clés, la date du traitement de l’image, les comptes s’il y a eu un traitement de la photo-graphie (nombre d’anneaux cémentaires, moyenne et écart-type). Cet archivage des micrographies permet d’effectuer une recherche dans la bibliothèque d’image par mot-clé sans parcourir l’arborescence des fichiers. Il est possible d’exporter la totalité des champs ou une sélection de champs du résultat de la recherche ou de l’intégralité des données dans un fichier compatible Microsoft^â Excel.

Sur l’interface, un outil permet une estimation par le logiciel de la qualité du cliché. Un critère de qualité attribué à chaque cliché pour en estimer sa qualité (A/B/C/D). Pour chaque microphotographie, la qualité de l’image est évaluée en deux étapes. La première évaluation détermine si la présence d’alternances est détectable par Visilog^â et la seconde évalue le contraste de l’image. Les dif-férentes étapes du traitement pour l’estimation de la qualité de l’image sont les suivantes :

- Extraction de la sélection de l’utilisateur et séparation des 3 canaux de couleurs de ma-nière à ne travailler que sur le canal vert ;

- Correction du fond par un filtre médian ;

- Calcul du volume d’un gradient orienté dans une direction variant de 5 degrés de 0 à 180 degrés ;

- Si la valeur de volume maximale est trop faible, la qualité est attribuée à D. Dans les autres cas, le contraste de l’image ayant obtenu la plus forte valeur de gradient est cal-culé pour affiner l’évaluation de la qualité entre A et C. 


Cette estimation de la qualité permet la sélection en arrière-plan des paramètres de seuil pour la reconnaissance des anneaux.

Le logiciel intègre un outil permettant pour chaque image acquise de tracer un groupe de segments entre deux points sur le champ observé pour dénombrer le nombre d’alternances que traverse le segment (nombre d’anneaux clairs ou sombres). Il revient à l’opérateur de choisir la zone la plus judicieuse à traiter et de choisir l’origine et la fin de ce segment. Le segment tracé par l’opérateur est la représentation simplifiée de dizaines ou centaines de segments parallèles à

- Méthodes

ceux tracés sur lesquels seront effectués les comptages. Leur nombre et la dis-tance qui les sépare (le pas) peuvent être paramétrés par l’opérateur. D’autres outils tels que des segments additionnables qui sont en fait des segments non jointifs, mais dont les comptages sont disponibles dans l’interface. Les para-mètres de nombre de segments et du pas entre les segments sont paramétrables. La détection des dépôts cémentaires se fait sur l’image de canal vert de l’image d’entrée. Le long de chaque segment parallèle à ceux tracés par l’utilisateur, une commande Visilog® est utilisée pour intégrer pour chaque pixel de la ligne cou-rante les 10 pixels orthogonaux voisins.Puis, parmi les valeurs obtenues en chaque pixel, les minimums et maximums satisfaisant le critère de seuil donné en entrée sont déterminés (Figure 14).

Le nombre d’anneaux obtenus correspond au nombre de minimums détectés et est exportable dans un tableur. Des repères sur les segments principaux permet-tent à l’opérateur de juger de la pertinence de la reconnaissance automatique. L’intégralité des comptages est exportée dans un tableur associé à la microgra-phie et peut être sauvegardée ou simplement copiée et collée dans un classeur

Microsoft® Excel. Le(s) tracé(s) et les décomptes sont sauvegardés jusqu’à la

pro-chaine ouverture de cette même image. Chaque micrographie traitée et comptée est sauvegardée pour conserver les traitements et les comptes. Une commande permet de réinitialiser l’image pour recommencer le tracé et le traitement. Bien que les paramètres de seuil soient cachés à l’utilisateur et sélectionnés automa-tiquement en fonction de la qualité A/B/C/D de l’image, l’opérateur peut, au besoin, configurer ces paramètres manuellement.

Figure 14 : Profil d'intensité obtenu à partir d’une micrographie importée dans Visilog®.

- Méthodes

COMPTAGES SEMI-AUTOMATISES

Pour chacune des dents extraites de sujets d’âge connu [n=200] nous avons sélectionné la micrographie d’une lame histologique et l’avons importée dans

Visilog® en vue d’effectuer un dénombrement automatisé des anneaux de

cé-ment acellulaire (Figure 15).

Pour chaque analyse, le pas entre chaque profil tracé par l’utilisateur a suivi la même configuration et les segments ont donc été paramétrés de manière iden-tique. Ainsi, pour chaque lame étudiée 101 comptes ont été effectués et au terme de l’analyse 20"200 comptes ont été réalisés par le logiciel. Les résultats ont été exportés dans Microsoft® Excel puis dans IBM® SPSS Statistics v.24 pour être

traités.

[a] Détection automatisée des alternances du CAFE à partir de profils continus.

[b] Détection automatisée des alternances du CAFE à partir de profils concaténés (nombre de segments [n=101] et nombre de pas identiques).

Figure 15 : Micrographie importée dans Visilog® pour un dénombrement automatisé des alter-nances cémentaires.

Le groupe de segments parallèles est tracé par l’opérateur et symbolise le profil central et les deux extrêmes. La détection peut être effectuée à partir de profils entiers [a] ou de différents profils concaténés [b]. Les comptes sont sensiblement équivalents (d : dentine ; c : cément acellulaire).

d

c

d

c

- Méthodes

Nous avons également testé la reproductibilité du logiciel, donc son aptitude à produire des résultats identiques dans des conditions identiques. La concor-dance de mesures répétées a été entreprise sur les mêmes micrographies à six mois d’intervalle. La grandeur mesurée étant quantitative, nous avons employé le coefficient de corrélation intra-classe (Elie et Colombet, 2011) et la méthode graphique de Bland-Altman (Bland et Altman, 1986 ; Giavarina, 2015).