Création d'un générateur d'images de peignage moléculaire

Problématique:

1. Besoin d'une grande base de données des images de scanner et de microscope pour l'apprentissage d'un modèle d'IA.
2. L'annotation des images réelles demande du temps et de l'effort, et n'est pas précise.

Objectif: Créer une grande base de données des images simulées de peignage moléculaire, ayant les mêmes caractéristiques que les images réelles faites par le microscope ou le scanner de lames.

Plan:

1. créer des images parfaites avec des fibres d'ADN et des analogues de nucléotide, ces images seront utilisées comme masque ou sortie pour le modèle d'IA.
2. Ajouter tout les types de types de bruit pouvant exister sur les images réelles(Bruit électronique, poussière, bruit biologique...) à travers l'analyse des images de microscope et de scanner.

Générateur des images parfaites:

1. Créer des images RGB contenant des fibres d'ADN (lignes bleues): i. Nombre des fibres dans chaque image et leurs coordonnées sont choisis aléatoirement sous conditions; ii. Les pentes des lignes fluctuent autour d’une moyenne paramétrée.
2. Dessiner les analogues sur certaines fibres choisis aléatoirement (lignes rouges et verts collées sur les fibres bleu)
3. Les paramètres du générateur sont modifiables par l'utilisateur à travers un fichier de configuration.
4. Enregister les images dans un dossier afin de les utiliser comme masque pour le modèle de la segmentation.
5. Enregister les coordonnées des fibres dans un fichier csv pour les utiliser dans la partie 'Ajout de bruit'.

Générateur de bruit:

Après analyse des images de microscope et de scanner, les types de bruit que l'on peut ajouter au images simulés sont les suivants:

1. Bruit biologique --> (fonction: Add_Biologic_Noise) a) Le perlage: créer des discontinuités sur les fibres à partir des coordonnées des fibres. i. La probabilité d'avoir du perlage sur une fibre est choisi aléatoirement à partir des valeur min et max saisi par l'utilisateur sur le fichier de configuration --> (min_Prob_perlage, max_Prob_perlage) ii. le nombre de perlage par fibre est proportionnel au nombre de pixel --> min_N_pixels_perlage: le nombre de pixel qui peuvent avoir du perlage. iii. la taille du perlage est choisi aléatoirement entre des plages de valeurs. --> max_lenght_perlage

b) Morceaux de fibre: Ajout des petits morceaux des fibres d'ADN et des analogues qui ne sont pas collés aux fibres. c) Fibre en forme de U: dessiner un demi cercle entre deux fibres choisis depuis les coordonnées des fibres enregistrés dans le fichier csv. --> Draw_curves d) Courbes entre certaines fibres: dessiner une courbes de bézier entre deux fibres choisis depuis les coordonnées des fibres enregistrés dans le fichier csv. --> Draw_curves e) Poussière --> dessner des petits cube de taille et de couleurs différentes.

2. Bruit Numérique: --> (fonction: Add_Electronic_Noise)

Le bruit numérique représente toute fluctuation parasite ou dégradation que subit l'image à l'instant de son acquisition jusqu'à son enregistrement. Les facteurs qui limitent la qualité des images du microscope et du scanner sont essentiellement : a) Bruit électronique: lié à l'appareil --> modéliser par un bruit gaussien(sigma variable) b) Bruit de photons: lié à l’émission de photons --> loi de poisson c) Bruit de fond: présence de photons parasites dans le système ou changement du temps d'exposition --> ajouter une constante choisi aléatoirement à chaque channal de l'image. d) le flou: PSF
Electronic_noise_functions --> fonction : degraded_fibers Dégrader les fibres et les analogues sur chaque channal en ajoutant du bruit gaussian et en remplassant les valeur inférieur d'une valeurs données par 0 : appliquer mask <255 ==0 Electronic_noise_functions --> fonction : Add_channel_noise Ajoute chaque type de bruit avec des paramètres variants sur chaque chanal: i. la quantité de bruit de fond (de la lumière parasite et d'autres sources ou le temps de pose): Parasites_ch ii. Salt: Ajouter des pixel de valeurs et tailles variables sur chaque channal avec des quantité différentes selon le channal dominant (avec plus de bruit). iii. Bruit gaussien iv. Blur Electronic_noise_functions --> fonction : Add_PSF_to_channel générer une distribution gaussienne d'intensité: gauss_function = anp.exp(-(x-m)**2/(2s**2)) Electronic_noise_functions --> fonction : get_gradient_3d Changer l'intensité sur certaine zone de l'image horizontalement et verticalement.