Les microscopies optiques super-résolues aident à mieux comprendre certains mécanismes biomoléculaires, notamment au sein des neurones. Nous avons construit un tel microscope de type STED (STimulated Emission Depletion) pour observer des défauts azote-lacune (NV) fluorescents dans le diamant, et avons atteint une résolution de 50 nm. À plus long terme, cet instrument permettra d’étudier l’organisation macromoléculaire de protéines impliquées dans la plasticité synaptique, et marquées avec des nanodiamants (ND) fluorescents. Dans cette perspective, nous avons étudié la limite de résolution du STED pour des ND de tailles sub-longueur d’onde. Nos expériences, menées avec l’équipe de Stefan Hell (Max Planck Institute for Biophysical Chemistry) ont montré que la taille du spot STED d’un NV dans un ND pouvait atteindre 10 nm, performance similaire à celle obtenue dans un diamant macroscopique. Nous pouvons aussi résoudre plusieurs centres NV dans un ND séparés de seulement ~15 nm. Ces résultats sont en accord avec les simulations numériques faites par l’équipe de Jean-Jacques Greffet (Laboratoire Charles Fabry). En parallèle, nous avons démontré l’internalisation spontanée de ND fluorescents dans des neurones corticaux d’embryons de souris en culture primaire, et étudié leur colocalisation avec des vésicules du réseau trans-Golgi. Enfin, nous avons débuté l’étude du trafic des vésicules contenant les ND et montré qu’il dépend du réseau de microtubules. Les paramètres du mouvement sont compatibles avec ceux des moteurs moléculaires, mais nous nous attendons à ce qu’ils soient différents dans le cas de la surexpression de protéines impliquées dans le trafic (travail en cours). / Super resolution microscopy techniques are a useful tool to understand some biomolecular mechanisms, particularly in neurons. We have built such a STED (STimulated Emission Depletion) microscope for observing Nitrogen-Vacancy (NV) fluorescent defect in diamond, and have reached a resolution of 50 nm. In the longer term, this instrument will study the macromolecular organization of proteins involved in synaptic plasticity and marked with fluorescent nanodiamonds (ND). In this context, we studied the resolution limit of STED for ND of subwavelength size. Our experiments, conducted with the team of Stefan Hell (Max Planck Institute for Biophysical Chemistry) showed that the STED spot size of an NV in ND could reach 10 nm, which is similar to performances obtained in a macroscopic diamond. We can also resolve several NV centers, which are separated from only ~15 nm in the same ND. These results are in agreement with numerical simulations carried out by the team of Jean-Jacques Greffet (Laboratoire Charles Fabry). In parallel, we have demonstrated the spontaneous internalization of fluorescent ND in primary culture of cortical neurons from mouse embryos, and studied their colocalization with vesicles of the trans-Golgi network. Finally, we started the study of trafficking vesicles containing ND and showed that it depends on the microtubule network. The motion parameters are compatible with those of molecular motors, but we expect them to be different in the case of overexpression of proteins involved in traffic (work in progress).

L'objectif de cette thèse est d'étudier le comportement de différentes représentations d'images, notamment apprentissage profond, dans le contexte d'application en imagerie médicale. Le but est de développer une méthode unifiée efficace pour les applications visées que sont la super résolution, la segmentation et la synthèse. La super-résolution est un procès d'estimation d'une image haute-résolution à partir d'une ou plusieurs images basses résolutions. Dans cette thèse, nous nous concentrons sur la super résolutionunique, c'est-à-dire que l'image haute résolution (HR) est estimée par une image basse-résolution (LR) correspondante. Augmenter la résolution de l'image grâce à la super-résolution est la clé d'une compréhension plus précise de l'anatomie. L'application de la super résolution permet d'obtenir des cartes de segmentation plus précises. Étant donné que deux bases de données qui contiennent les images différentes (par exemple, les images d'IRM et les images de CT), la synthèse est un procès d'estimation d'une image qui est approximative aux images dans la base de données de cible à partir d'une image de la base de données de source. Parfois, certains contrastes tissulaires ne peuvent pas être acquis pendant la séance d'imagerie en raison du temps et des coûts élevés ou de l'absence d'appareils. Une solution possible est à utiliser des méthodes de synthèse d'images médicales pour générer les images avec le contraste différent qui est manquée dans le domaine à cible à partir de l'image du domaine donnée. L'objectif des images synthétiques est d'améliorer d'autres étapes du traitement automatique des images médicales telles que la segmentation, la super-résolution ou l'enregistrement. Dans cette thèse, nous proposons les réseaux neurones pour la super résolutionet la synthèse d'image médicale. Les résultats démontrent le potentiel de la méthode que nous proposons en ce qui concerne les applications médicales pratiques. / In this thesis, our motivation is dedicated to studying the behaviors of different image representations and developing a method for super-resolution, cross-modal synthesis and segmentation of medical imaging. Super-Resolution aims to enhance the image resolution using single or multiple data acquisitions. In this work, we focus on single image super-resolution (SR) that estimates the high-resolution (HR) image from one corresponding low-resolution (LR) image. Increasing image resolution through SR is a key to more accurate understanding of the anatomy. The applications of super-resolution have been shown that applying super-resolution techniques leads to more accurate segmentation maps. Sometimes, certain tissue contrasts may not be acquired during the imaging session because of time-consuming, expensive costor lacking of devices. One possible solution is to use medical image cross-modal synthesis methods to generate the missing subject-specific scans in the desired target domain from the given source image domain. The objective of synthetic images is to improve other automatic medical image processing steps such as segmentation, super-resolution or registration. In this thesis, convolutional neural networks are applied to super-resolution and cross-modal synthesis in the context of supervised learning. In addition, an attempt to apply generative adversarial networks for unpaired cross-modal synthesis brain MRI is described. Results demonstrate the potential of deep learning methods with respect to practical medical applications.

Ce travail de thèse concerne l'amélioration du pouvoir de résolution de la microscopie optique en champ lointain. Nous avons développé des techniques qui tirent profit de la relation liant le champ électromagnétique émis par un objet à l’éclairement utilisé. En utilisant plusieurs images obtenues pour différents éclairements, et à l’aide d’un algorithme d'inversion approprié, il est possible d'accéder à des fréquences spatiales de l'objet habituellement filtrées par le microscope.Ce concept est d’abord appliqué à une technique de microscopie cohérente : la tomographique optique de diffraction. Elle permet d’obtenir numériquement une carte quantitative de la permittivité diélectrique de l'objet, avec une résolution supérieure à celle d'un microscope classique, à partir de plusieurs hologrammes de l'échantillon. Dans ce cadre, nous montrons que le phénomène de diffusion multiple permet d’atteindre des résolutions encore plus spectaculaires s’il est pris en compte. Nous étudions ensuite la microscopie de fluorescence par éclairement structuré, que nous proposons d’améliorer de deux manières différentes. Dans la première, nous utilisons un algorithme d’inversion capable de retrouver simultanément la densité de fluorescence et les éclairements utilisés. Grâce à celui-ci, nous pouvons remplacer l’illumination périodique et contrôlée généralement utilisée, par des speckles aléatoires formés avec un montage remarquablement simple. Nous montrons expérimentalement l'efficacité de cette approche. Dans un second temps, nous proposons de remplacer la lamelle de verre sur laquelle est repose l’échantillon par un réseau diélectrique nanométrique. Celui-ci crée à sa surface une grille de lumière de période inférieure à la limite de diffraction, ce qui permet d’améliorer d’avantage la résolution finale de l’image reconstruite. Nous détaillons la conception, la fabrication et la caractérisation expérimentale de ce substrat nanostructuré. / This PhD work focuses on the resolution improvement of far-field optical microscopy. We have studied and developed different techniques that take advantage of the relationship between the sample, the illumination and the diffracted (or emitted) field, in order to increase final band-pass of the image beyond that imposed by the diffraction phenomenon. In In these approaches, several images of the same sample are recorded under different illuminations. An inversion algorithm in then used to reconstruct a super-resolved map of the sample from the set of measurements.This concept is first applied to coherent microscopy. In tomographic diffraction microscopy, many holograms of the same unstained sample are obtained under various incidences, then used to numerically reconstruct a quantitative map of permittivity of the sample. The resolution is usually better than that of classical wide-field microscopy. We show theoretically and experimentally that, far from being a drawback, the presence of multiple scattering within the sample can, if properly accounted for, lead a to an even better resolution.We then study structured illumination fluorescence microscopy. We present two different ways for improving this method. The first one takes advantage of an inversion algorithm, which is able to retrieve the fluorescence density without knowing the illumination patterns. This algorithm permits one to replace the periodic light pattern classically used in structured illumination microscopy by unknown random speckle patterns. The implementation of the technique is thus considerably simplified while the resolution improvement remains. In the second approach, we propose to replace the coverslip on which the sample usually lays, by a sub-lambda grating. The latter is used to form, in near field, a light grid with sub-diffraction period that is able to probe the finest details of the sample. The design, fabrication and optical characterization of this key structure are detailed.

Depuis quelques temps, les physiciens théoriciens de la matière condensée sont confrontés à un problème majeur : la puissance de calcul nécessaire pour simuler numériquement et étudier certains systèmes à N corps est insuffisante. Comme le contrôle et l’utilisation des systèmes d’atomes ultra-froids se sont développés de manière importante,principalement durant les deux dernières décennies, nous sommes peut-être en mesure d eproposer une solution alternative : utiliser des atomes ultra-froids piégés dans des réseaux optiques en tant que simulateur quantique. En effet, la physique des électrons se déplaçant sur la structure cristalline d’un solide, ainsi que celle des atomes piégés dans des réseaux optiques, sont toutes les deux décrites par le même modèle de Fermi-Hubbard, qui est une présentation simplifiée du comportement des fermions sur un réseau périodique. Les simulateurs quantiques peuvent donc simuler des propriétés électriques des matériaux, telle sque la conductivité ou le comportement isolant, et potentiellement aussi des propriété smagnétiques telles que l’ordre antiferromagnétique.L’expérience AUFRONS, sur laquelle j’ai travaillé pendant mon doctorat, a pour but d’étudie rla physique des fermions fortement corrélés, avec un simulateur quantique basé sur l’utilisation d’atomes ultra-froids de rubidium 87 et de potassium 40, piégés dans le potentiel nanostructuré des réseaux optiques bidimensionnels, générés en champ proche. Pour détecter la distribution atomique à d’aussi courtes distances, nous avons développé une technique d’imagerie novatrice, qui nous permettra de contourner la limite de diffraction. Une fois terminé, notre système d’imagerie pourrait potentiellement détecter et identifier des sites individuels du réseau optique sub-longueur d’onde.Dans ce manuscrit, je décris le travail que j’ai effectué pour construire l’expérience AUFRONS,ainsi que l’étude de faisabilité que j’ai réalisée pour la technique d’imagerie à super-résolution. / For some time now, theoretical physicists in condensed matter face a majorproblem: the computing power needed to numerically simulate and study some interactingmany-body systems is insufficient. As the control and use of ultracold atomic systems hasexperimented a significant development in recent years, an alternative to this problem is to usecold atoms trapped in optical lattices as a quantum simulator. Indeed, the physics of electronsmoving on a crystalline structure of a solid, and the one of trapped atoms in optical lattices areboth described by the same model, the Fermi-Hubbard model, which is a simplifiedrepresentation of fermions moving on a periodic lattice. The quantum simulators can thusreproduce the electrical properties of materials such as conductivity or insulating behavior, andpotentially also the magnetic ones such as antiferromagnetism.The AUFRONS experiment, in which I worked during my PhD, aims at building a quantumsimulator based on cooled atoms of 87Rb and 40K trapped in near field nanostructured opticalpotentials. In order to detect the atom distribution at such small distances, we have developedan innovative imaging technique for getting around the diffraction limit. This imaging systemcould potentially allow us to detect single-site trapped atoms in a sub-wavelength lattice.In this thesis, I introduce the work I have done for building the AUFRONS experiment, as wellas the feasability study that I did for the super-resolution imaging technique.

La ''super-résolution'' est définie comme une classe de techniques qui améliorent la résolution spatiale d’images. Les méthodes de super-résolution peuvent être subdivisés en méthodes à partir d’une seule image et à partir de multiple images. Cette thèse porte sur le développement d’algorithmes basés sur des théories mathématiques pour résoudre des problèmes de super-résolution à partir d’une seule image. En effet, pour estimer un’image de sortie, nous adoptons une approche mixte : nous utilisons soit un dictionnaire de « patches » avec des contraintes de parcimonie (typique des méthodes basées sur l’apprentissage) soit des termes régularisation (typiques des méthodes par reconstruction). Bien que les méthodes existantes donnent déjà de bons résultats, ils ne prennent pas en compte la géométrie des données dans les différentes tâches. Par exemple, pour régulariser la solution, pour partitionner les données (les données sont souvent partitionnées avec des algorithmes qui utilisent la distance euclidienne comme mesure de dissimilitude), ou pour apprendre des dictionnaires (ils sont souvent appris en utilisant PCA ou K-SVD). Ainsi, les méthodes de l’état de l’art présentent encore certaines limites. Dans ce travail, nous avons proposé trois nouvelles méthodes pour dépasser ces limites. Tout d’abord, nous avons développé SE-ASDS (un terme de régularisation basé sur le tenseur de structure) afin d’améliorer la netteté des bords. SE-ASDS obtient des résultats bien meilleurs que ceux de nombreux algorithmes de l’état de l’art. Ensuite, nous avons proposé les algorithmes AGNN et GOC pour déterminer un sous-ensemble local de données d’apprentissage pour la reconstruction d’un certain échantillon d’entrée, où l’on prend en compte la géométrie sous-jacente des données. Les méthodes AGNN et GOC surclassent dans la majorité des cas la classification spectrale, le partitionnement de données de type « soft », et la sélection de sous-ensembles basée sur la distance géodésique. Ensuite, nous avons proposé aSOB, une stratégie qui prend en compte la géométrie des données et la taille du dictionnaire. La stratégie aSOB surpasse les méthodes PCA et PGA. Enfin, nous avons combiné tous nos méthodes dans un algorithme unique, appelé G2SR. Notre algorithme montre de meilleurs résultats visuels et quantitatifs par rapport aux autres méthodes de l’état de l’art. / Image super-resolution is defined as a class of techniques that enhance the spatial resolution of images. Super-resolution methods can be subdivided in single and multi image methods. This thesis focuses on developing algorithms based on mathematical theories for single image super-resolution problems. Indeed, in order to estimate an output image, we adopt a mixed approach: i.e., we use both a dictionary of patches with sparsity constraints (typical of learning-based methods) and regularization terms (typical of reconstruction-based methods). Although the existing methods already perform well, they do not take into account the geometry of the data to: regularize the solution, cluster data samples (samples are often clustered using algorithms with the Euclidean distance as a dissimilarity metric), learn dictionaries (they are often learned using PCA or K-SVD). Thus, state-of-the-art methods still suffer from shortcomings. In this work, we proposed three new methods to overcome these deficiencies. First, we developed SE-ASDS (a structure tensor based regularization term) in order to improve the sharpness of edges. SE-ASDS achieves much better results than many state-of-the-art algorithms. Then, we proposed AGNN and GOC algorithms for determining a local subset of training samples from which a good local model can be computed for reconstructing a given input test sample, where we take into account the underlying geometry of the data. AGNN and GOC methods outperform spectral clustering, soft clustering, and geodesic distance based subset selection in most settings. Next, we proposed aSOB strategy which takes into account the geometry of the data and the dictionary size. The aSOB strategy outperforms both PCA and PGA methods. Finally, we combine all our methods in a unique algorithm, named G2SR. Our proposed G2SR algorithm shows better visual and quantitative results when compared to the results of state-of-the-art methods.

Cette thèse concerne la détection de petits objets dans une image en utilisant les techniques de super-résolution (SR). La reconstruction d'une image par une méthode de SR consiste à produire une image de haute résolution (HR), à partir de plusieurs images de basse résolution (BR) obtenues par l'intermédiaire de différentes caméras, ou à partir d'une séquence vidéo acquise avec une seule caméra. Obtenir une image HR nécessite deux étapes : le recalage des images BR dans un repère commun, et la construction de l'image HR par leur fusion.<br /><br />Ce mémoire présente donc deux parties. La première est consacrée à la détection et aux méthodes de recalage d'images, et la seconde aux techniques de restauration d'images par SR. Concernant la première partie, plusieurs méthodes ont été évaluées : une méthode fréquentielle de recalage utilisant le principe de corrélation de phase d'une part, et une méthode de détection de petits points basée sur un estimateur MAP dans le formalisme bayésien d'autre part. Dans la seconde partie, une nouvelle méthode de SR utilisant une modélisation markovienne hiérarchique de l'image HR dans le cadre de l'estimation bayésienne est proposée. Cette nouvelle approche, qui est basée sur l'idée que l'image HR est constituée de zones homogènes, permet d'obtenir non seulement une image de bonne qualité, mais également un résultat de segmentation de la scène HR.

Les spectroscopies vibrationnelles infrarouge et Raman sont de formidables techniques d'analyse pour la caractérisation d'échantillons complexes. Elles permettent effectivement d'accéder à une grande richesse d'information moléculaire. Au-delà des caractérisations macroscopiques de ces techniques, le couplage des spectromètres à des microscopes rend possible la génération de cartographies représentant les distributions spatiales des espèces chimiques de l'échantillon analysé. Malgré ce fort potentiel, ces spectroscopies sont mal adaptées à l'imagerie d'échantillons de taille micrométrique et submicrométrique. Leurs résolutions spatiales en partie fixées par la limite de diffraction sont effectivement restreintes. L'augmentation de la résolution spatiale est donc toujours un enjeu majeur pour permettre une meilleure caractérisation des échantillons analysés. Deux approches se sont dégagées pour améliorer cette limite. La première solution est centrée sur le développement instrumental comme par exemple la spectroscopie champ proche. La seconde approche algorithmique tente de repousser les limites de résolution de système optique par le traitement mathématique et statistique des images générées sur des spectromètres classiques en champ lointain. C'est dans ce cadre que s'inscrit notre recherche. Nous présenterons ainsi dans ce travail le développement et l'optimisation d'un nouveau concept dit de " super-résolution " adapté aux imageries des spectroscopies moyen infrarouge, proche infrarouge et Raman. Différents échantillons d'origines pharmaceutiques, biologiques ou environnementales seront alors exploités.

Ce travail de thèse étudie l'apport à la vision bas-niveau des architectures de calcul massivement parallèles. Nous reprenons l'évolution récente de l'architecture des ordinateurs, en mettant en avant les solutions massivement parallèles qui se sont imposées récemment, les GPU. L'exploitation des potentialités de ces architectures impose une modification des méthodes de programmation. Nous montrons qu'il est possible d'utiliser un nombre restreint de schémas ("patterns") de calcul pour résoudre un grand nombre de problématiques de vision bas niveau. Nous présentons ensuite un nouveau modèle pour estimer la complexité de ces solutions. La suite du travail consiste à appliquer ces modèles de programmation à des problématiques de vision bas-niveau. Nous abordons d'abord le calcul du flot optique, qui est le champ de déplacement d'une image à une autre, et dont l'estimation est une brique de base de très nombreuses applications en traitement vidéo. Nous présentons un code sur GPU, nommé FOLKI qui permet d'atteindre une très bonne qualité de résultats sur séquences réelles pour un temps de calcul bien plus faible que les solutions concurrentes actuelles. Une application importante de ces travaux concerne la vélocimétrie par imagerie de particules dans le domaine de la mécanique des fluides expérimentale. La seconde problématique abordée est la super-résolution (SR). Nous proposons d'abord un algorithme très rapide de SR utilisant le flot optique FOLKI pour recaler les images. Ensuite différentes solutions à coût de calcul croissant sont développées, qui permettent une amélioration de précision et de robustesse. Nous présentons des résultats très originaux de SR sur des séquences affectées de mouvement complexes, comme des séquences de piétons ou des séquences aériennes de véhicules en mouvement. Enfin le dernier chapitre aborde rapidement des extensions en cours de nos travaux à des contextes de mesure 3D, dans des domaines comme la physique expérimentale ou la robotique.

Les microscopies optiques super-résolues aident à mieux comprendre certains mécanismes biomoléculaires, notamment au sein des neurones. Nous avons construit un tel microscope de type STED (STimulated Emission Depletion) pour observer des défauts azote-lacune (NV) fluorescents dans le diamant, et avons atteint une résolution de 50 nm. À plus long terme, cet instrument permettra d'étudier l'organisation macromoléculaire de protéines impliquées dans la plasticité synaptique, et marquées avec des nanodiamants (ND) fluorescents. Dans cette perspective, nous avons étudié la limite de résolution du STED pour des ND de tailles sub-longueur d'onde. Nos expériences, menées avec l'équipe de Stefan Hell (Max Planck Institute for Biophysical Chemistry) ont montré que la taille du spot STED d'un NV dans un ND pouvait atteindre 10 nm, performance similaire à celle obtenue dans un diamant macroscopique. Nous pouvons aussi résoudre plusieurs centres NV dans un ND séparés de seulement ~15 nm. Ces résultats sont en accord avec les simulations numériques faites par l'équipe de Jean-Jacques Greffet (Laboratoire Charles Fabry). En parallèle, nous avons démontré l'internalisation spontanée de ND fluorescents dans des neurones corticaux d'embryons de souris en culture primaire, et étudié leur colocalisation avec des vésicules du réseau trans-Golgi. Enfin, nous avons débuté l'étude du trafic des vésicules contenant les ND et montré qu'il dépend du réseau de microtubules. Les paramètres du mouvement sont compatibles avec ceux des moteurs moléculaires, mais nous nous attendons à ce qu'ils soient différents dans le cas de la surexpression de protéines impliquées dans le trafic (travail en cours).

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal