Écosystème logiciel de segmentation de neurones sur des images microscopiques par apprentissage profond

La gaine de myéline qui entoure les axones des neurones permet la conduction rapide du signal dans le système nerveux. Des maladies neurodégénératives ou traumatismes peuvent endommager les axones myélinisés entraînant des déficits moteurs et/ou sensitifs. Les données morphométriques des neurones (ex. : diamètre des axones, épaisseur de myéline) extraites à partir de segmentation d'images microscopiques sont des métriques clés pour la recherche sur la démyélinisation et la régénération neuronale. La segmentation des images permettant de caractériser la microstructure des neurones peut être réalisée automatiquement et rapidement avec des modèles d'apprentissage profond. Toutefois, l'entraînement de modèles robustes nécessite l'accès à de nombreuses données bien organisées présentant une variété d'espèces, de pathologies et de modalités d'imagerie, ainsi qu'une documentation exhaustive des méthodes utilisées. Le travail mené dans le cadre de ce projet de maîtrise a pour objectif le développement d'un écosystème logiciel de segmentation de neurones sur des images microscopiques par apprentissage profond. Il s'inscrit dans une démarche FAIR (Findable, Accessible, Interoperable et Reusable) faisant la promotion de pratiques de recherche ouvertes. Les principes FAIR servent de lignes directrices pour la gestion à long terme des données afin d'améliorer le potentiel, la transparence et la reproductibilité de la recherche. Une structure d'organisation standard pour les données de microscopie a d'abord été développée via une proposition d'extension à la spécification Brain Imaging Data Structure (BIDS). Cette spécification pour l'organisation de jeux de données de neuroimagerie comme l'imagerie par résonance magnétique (IRM) ou la tomographie par émission de positrons facilite le partage et l'automatisation d'outils logiciels d'analyse et de traitement des données. La spécification Microscopy-BIDS résultante a été intégrée officiellement à la version 1.7.0 de BIDS, y introduisant 15+ modalités de microscopie incluant un large éventail de techniques 2D et 3D de microscopie optique, électronique et micro-CT en contexte ex vivo et in vivo. Des exemples de jeux de données servant de guide pour la communauté ont également été assemblés et partagés en accès libre. Une extension à l'outil de validation des jeux de données de BIDS a également été implémentée. Un pipeline de données compatible avec BIDS et avec la microscopie a été implémenté dans le logiciel libre ivadomed spécialisé dans la segmentation par apprentissage profond pour l'imagerie médicale et développé par le laboratoire NeuroPoly. Trois nouveaux modèles pour la segmentation multiclasse d'axones et myéline ont par la suite été entraînés dans ivadomed à l'aide d'un réseau de neurones convolutif de type U-Net. Ces modèles ont été entraînés et évalués à l'aide d'images 2D ex vivo de microscopie électronique à balayage, de microscopie électronique en transmission et de microscopie optique en champ clair, de différentes espèces, structures anatomiques et résolutions. Après optimisation des hyperparamètres, les trois nouveaux modèles ont été comparés aux modèles précédents du logiciel libre AxonDeepSeg, également développé par NeuroPoly. Les modèles précédents de AxonDeepSeg (version 3) et les nouveaux modèles de ivadomed présentent chacun leurs avantages et inconvénients. Qualitativement, les nouveaux modèles montrent une bonne capacité de généralisation à de nouvelles images et une meilleure estimation de l'épaisseur de myéline mais présentent toutefois des irrégularités aux bordures des structures. Quantitativement, les nouveaux modèles montrent des résultats comparables aux modèles précédents pour la segmentation des axones et de meilleurs résultats en termes de sensibilité et de Dice pour la segmentation de la myéline au détriment de la précision. Cependant, ils présentent aussi de la sur-segmentation avec la présence de nombreux faux positifs. Finalement, les nouveaux modèles entraînés dans ivadomed sont disponibles en accès libre sur GitHub et ont été intégrés à la version 4 de AxonDeepSeg, permettant la segmentation de nouvelles images et l'extraction des données morphométriques du tissu neuronal. Globalement, le choix de développer une spécification pour la microscopie dans l'écosystème BIDS a permis de tirer parti des mécanismes FAIR déjà en place comme l'utilisation de formats de fichiers standards et l'intégration de métadonnées riches. De plus, l'utilisation d'une structure standard augmente l'interopérabilité des données, donc la capacité de les interpréter directement dans des outils automatisés comme ivadomed et AxonDeepSeg. L'implémentation du pipeline de microscopie à ivadomed est également accompagnée d'un tutoriel permettant à tout chercheur possédant des données sous format BIDS d'y entraîner ses propres modèles. Les nouveaux modèles intégrés à AxonDeepSeg seront utiles à la recherche en neurosciences pour la documentation de la microstructure des neurones, l'étude des mécanismes de démyélinisation et de régénération neuronale, ainsi que la validation d'autres modalités d'imagerie comme l'IRM quantitative.