L'évolution de la gastrite et des lésions précancéreuses suit une cascade de plusieurs étapes. Les modifications des tissus pathologiques affichent de faibles variations par rapport à la muqueuse normale d'un point de vue macroscopique. Même si certaines variations pourraient être identifiées, cela reste fortement subjectif. Le diagnostic classique des maladies de l'estomac est divisé en deux procédures. Le premier est une gastroendoscopie où l'estomac est visuellement exploré sous une lumière blanche. Le second est la biopsie pour l'analyse histologique. Cette procédure a une forte probabilité d'établir le diagnostic correct mais il dépend fortement de la sélection correcte des échantillons de tissus endommagés. Ce travail porte sur l'étude de la muqueuse gastrique par imagerie multispectrale. La contribution principale est l'étude clinique de l'imagerie multispectrale afin de différencier les pathologies mal diagnostiquées ou qui ne peuvent être diagnostiquées que par l'analyse histologique. A cet effet, nous avons effectué (1) une étude ex-vivo dans un modèle de souris de l'infection de Helicobacter pylori dans le but d'identifier les longueurs d'onde qui pourraient être utilisées pour le diagnostic. (2) Nous proposons deux prototypes compatibles avec les gastroendoscopes actuels pour acquérir des images multispectrales du tissu gastrique : le premièr est basé sur une roue à filtres et le second sur une caméra multispectrale avec sept canaux. De plus, (3) nous présentons une méthodologie pour identifier les tissus pathologiques, qui est basé sur des caractéristiques statistiques extraites des spectres acquis, classées en fonction de leur pouvoir discriminants et une classification supervisée, où nous cherchons la meilleure performance de trois algorithmes de classification: le plus proche voisin, un réseaux de neurones et une Support Vector Machine avec une évaluation de la performance rigoureuse en utilisant une validation de type Leave One Patient Out Cross Validation. Les résultats démontrent la pertinence de l’imagerie multispectrale comme un outil supplémentaire pour un diagnostic objectif. / The evolution of gastritis into precancerous lesions follows a cascade of multiplestages. The modifications of the pathological tissues display low variations with respect to normal mucosa from a macroscopical point of view. Even though some features could be identified, they remain strongly subjective. The current gold standard for diagnosis of gastric diseases is divided in two procedures. The first one is gastroendoscopy where the stomach is visually explored under white light. The second one is biopsy collection for histological analysis. This procedure has a high probability of establishing the correct diagnosis but it strongly depends on the accurate collection of samples from damaged tissues. This doctoral work focuses on the study of gastric mucosa by multispectral imaging. The main contribution is the clinical study of multispectral imaging to differentiate pathologies poorly diagnosed or that can only be diagnosed by histological analysis. For this purpose, we performed (1) ex vivo studies in a mice model of infection of Helicobacter pylori in order to identify the wavelengths which could be used for diagnosis. (2) We propose two prototypes compatible with current gastroendoscopes to acquire multispectral images from gastric tissue: the first one is based on a filter wheel and the second one on a multispectral camera with seven channels. Additionally, (3) we present a methodology to identify pathological tissues, which is based on statistical features extracted from the acquired spectra, ranked according to their discriminative power and a supervised classification, where we search for the best performance of three classification algorithms: Nearest Neighbor, Neural Networks and Support Vector Machine with a rigorous performance evaluation by using leave one patient out cross validation. The results demonstrate the relevance of multispectral imaging as an additional tool for an objective diagnosis.

Un crible biologique a pour objectif de tester en parallèle l'impact de nombreuses conditions expérimentales sur un processus biologique d'un organisme modèle. Le progrès technique et computationnel a rendu possible la réalisation de tels cribles à grande échelle - jusqu'à des centaines de milliers de conditions. L'imagerie sur cellules vivantes est un excellent outil pour étudier en détail les conséquences d'une perturbation chimique sur un processus biologique. L'analyse des cribles sur cellules vivantes demande toutefois la combinaison de méthodes robustes d'imagerie par ordinateur et de contrôle qualité, et d'approches statistiques efficaces pour la détection des effets significatifs. La présente thèse répond à ces défis par le développement de méthodes analytiques pour les images de cribles temporels à haut débit. Les cadres qui y sont développés sont appliqués à des données publiées, démontrant par là leur applicabilité ainsi que les bénéfices d'une ré-analyse des données de cribles à haut contenu (HCS). Le premier workflow pour l'étude de la motilité cellulaire à l'échelle d'une cellule dans de telles données constitue le chapitre 2. Le chapitre 3 applique ce workflow à des données publiées et présente une nouvelle distance pour l'inférence de cible thérapeutique à partir d'images de cribles temporels. Enfin, le chapitre 4 présente une pipeline méthodologique complète pour la conduite de cribles temporels à haut débit en toxicologie environnementale. / Biological screens test large sets of experimental conditions with respect to their specific biological effect on living systems. Technical and computational progresses have made it possible to perform such screens at a large scale - up to hundreds of thousands of experiments. Live cell imaging is an excellent tool to study in detail the consequences of chemical perturbation on a given biological process. However, the analysis of live cell screens demands the combination of robust computer vision methods, efficient statistical methods for the detection of significant effects and robust procedures for quality control. This thesis addresses these challenges by developing analytical methods for the analysis of High Throughput time-lapse microscopy screening data. The developed frameworks are applied to publicly available HCS data, demonstrating their applicability and the benefits of HCS data remining. The first multivariate workflow for the study of single cell motility in such large-scale data is detailed in Chapter 2. Chapter 3 presents this workflow application to previously published data, and the development of a new distance for drug target inference by in silico comparisons of parallel siRNA and drug screens. Finally, chapter 4 presents a complete methodological pipeline for performing HT time-lapse screens in Environmental Toxicology.