Characterization of fibronectin networks using graph-based representations of the fibers from 2D confocal images - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Theses Year : 2020

Characterization of fibronectin networks using graph-based representations of the fibers from 2D confocal images

Caractérisation des réseaux de fibronectine représentés par des graphes de fibres à partir d'images de microscopie confocale 2D

Abstract

A major constituent of the Extracellular Matrix is a large protein called the Fibronectin (FN). Cellular FN is organized in fibrillar networks and can be assembled differently in the presence of two Extra Domains, EDA and EDB. Our objective was to develop numerical quantitative biomarkers to characterize the geometrical organization of the four FN variants (that differ by the inclusion/exclusion of EDA/EDB) from 2D confocal microscopy images, and to compare sane and cancerous tissues. First, we showed through two classification pipelines, based on curvelet features and deep learning framework, that the FN variants can be distinguished with a similar performance to that of a human annotator. We constructed a graph-based representation of the fibers, which were detected using Gabor filters. Graphspecific attributes were employed to classify the variants, proving that the graph representation embeds relevant information from the confocal images. Furthermore, we identified various techniques capable to differentiate the graphs, allowing us to compare the FN variants quantitatively and qualitatively. Performance analysis using toy graphs showed that the methods, which are based on graph matching and optimal transport, can meaningfully compare graphs. Using the graph-matching framework, we proposed different methodologies for defining the prototype graph, representative of a certain FN class. Additionally, the graph matching served as a tool to compute parameter deformation maps between the variants. These deformation maps were analyzed in a statistical framework showing whether or not the variation of the parameters can be explained by the variance within the same class.
La fibronectine (FN) cellulaire, composante majeure de la matrice extracellulaire, est organisée en réseaux fibrillaires de maniéré différente suivant les deux extra-domaines EDB et EDA. Notre objectif a été le développement de biomarqueurs quantitatifs pour caractériser l'organisation géométrique des quatre variants de FN à partir d'images de microscopie confocale 2D, puis de comparer les tissus sains et cancéreux. Premièrement, nous avons montré à travers deux pipelines de classification fondés sur les curvelets et sur l'apprentissage profond, que les variants peuvent être distingués avec une performance similaire à celle d'un annotateur humain. Nous avons ensuite construit une représentation des fibres (détectées avec des filtres Gabor) fondée sur des graphes. Les variantes ont été classés en utilisant des attributs spécifiques aux graphes, prouvant que ceux-ci intègrent des informations pertinentes dans les images confocales. De plus, nous avons identifié différentes techniques capables de différencier les graphes, afin de comparer les variants de FN quantitativement et qualitativement. Une analyse des performances sur des exemples simples a montré la capacité des méthodes fondées sur l'appariement de graphes et le transport optimal, de comparer les graphes. Nous avons ensuite proposé différentes méthodologies pour définir le graphe représentatif d'une certaine classe. De plus, l'appariement de graphes nous a permis de calculer des cartes de déformation des paramètres entre tissus sains et cancéreux. Ces cartes ont ensuite été analysées dans un cadre statistique montrant si la variation du paramètre peut être expliquée ou non par la variance au sein d'une même classe.
Fichier principal
Vignette du fichier
2020AZUR4031.pdf (21.21 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-03052167 , version 1 (10-12-2020)

Identifiers

  • HAL Id : tel-03052167 , version 1

Cite

Anca-Ioana Grapa. Characterization of fibronectin networks using graph-based representations of the fibers from 2D confocal images. Signal and Image processing. Université Côte d'Azur, 2020. English. ⟨NNT : 2020COAZ4031⟩. ⟨tel-03052167⟩
233 View
138 Download

Share

Gmail Mastodon Facebook X LinkedIn More