Histologie sérielle augmentée

Titre du projet

Histologie sérielle augmentée : vers une meilleure compréhension de la microstructure 3D des tissus

Résumé

Au cours des dernières décennies, les avancées technologiques en imagerie ont aidé la communauté scientifique à relier le fonctionnement du cerveau à sa structure. Des approches telles que l’imagerie par résonance magnétique (IRM) et la tomographie par émission de positrons (TEP), entre autres, ont révolutionné notre compréhension du cerveau. Ces outils ont été utilisés pour étudier, par exemple, le métabolisme cérébral et les maladies neurodégénératives. Malgré leur utilisation répandue en neuroscience, ces techniques ne sont pas bien adaptées pour étudier la structure du cerveau à une échelle micrométrique.

Dans le domaine de la neurophotonique, un outil qui répond à cette exigence croissante de résolution plus fine est l’histologie sérielle par bloc (Serial Blockface Histology ou SBH)​1​. Cette technologie combine un appareil de tranchage de tissus avec un microscope optique. L’échantillon est sectionné en fines tranches successives pour révéler de nouvelles couches de tissu à imager au microscope. Le processus est répété jusqu’à ce que tout l’échantillon ait été imagé. Ensuite, grâce à des méthodes de traitement d’images avancées, les milliers d’images acquises sont assemblées en un seul volume 3D. La SBH a été une technique d’imagerie essentielle pour de nombreux projets d’avantgarde tels que la cartographie de l’expression génomique dans le cerveau de souris ou l’imagerie du connectome chez la souris.

L’un des principaux défis est que l’histologie sérielle génère une quantité considérable de données pour chaque acquisition. Par exemple, acquérir un cerveau de souris entier avec un objectif 40X offrant une résolution d’échantillonnage de 1 μm nécessiterait une durée d’acquisition estimée à 60 jours et nécessiterait environ 700 téraoctets d’espace disque pour stocker le jeu de données brutes. Cela représente un défi de taille pour la gestion des données, la reconstruction et les méthodes d’analyse. Les applications futures dans ce domaine de la neurophotonique nécessitera de plus en plus une synergie étroite entre imagerie et apprentissage machine.

Ce programme de recherche a deux objectifs :

  • Accélérer l’acquisition et la reconstruction d’images en intégrant le microscope à des méthodes avancées de vision par ordinateur, et
  • Analyser la grande quantité de données générées par de tels systèmes d’imagerie à l’aide de méthodes basées sur l’apprentissage automatique.

Les projets proposés dans ce programme de recherche visent à améliorer l’histologie sérielle en y intégrant de nouvelles méthodes de vision par ordinateur de pointe, au traitement des images et à des techniques d’apprentissage automatique. Cela rendra cette technique d’imagerie plus rapide, plus intelligente et plus reproductible. De plus, cela permettra d’ouvrir la voie à la démocratisation de l’histologie sérielle, et constitue une étape nécessaire vers une adoption plus générale de cette technologie par les communautés de recherche biomédicale et par le milieu clinique.

Organisme(s) subventionnaire(s)

Référence(s)

  1. 1.
    Lefebvre J, Delafontaine-Martel P, Lesage F. A Review of Intrinsic Optical Imaging Serial Blockface Histology (ICI-SBH) for Whole Rodent Brain Imaging. Photonics. Published online June 11, 2019:66. doi:10.3390/photonics6020066

Activités récentes