Date/heure
Date(s) - 28 novembre 2014

Catégories Pas de Catégories

$Titre :\nApproximation parcimonieuse pour le traitement d’images force-volume en \nmicroscopie AFM\n\nRésumé :\nCette présentation concerne les méthodes de traitement du signal dédiées \nà la microscopie de force atomique (AFM), une technologie récente \npermettant de caractériser les propriétés physico-chimiques d’objets, et \nen particulier d’échantillons biologiques à l’échelle nanométrique.\nDans la première partie de l’exposé, je présenterai la modalité \nforce-volume, qui consiste à mesurer des courbes de force sur une grille \nspatiale. Ces courbes représentent la force d’interaction entre une \npointe AFM et la surface d’un échantillon en fonction de leur distance. \nJe présenterai une approche automatique proposée au CRAN pour \nreconstruire un ensemble d’images représentant chacune une propriété \nphysico-chimique (topographie, élasticité, adhésion,\n…). Ce traitement repose sur l’inversion de modèles physiques \n(électrostatique, mécanique, …). La méthode est appliquée d’une part à \ndes bactéries présentes dans l’environnement, et d’autre part, aux \ncellules cancéreuses.\nLa seconde partie de l’exposé sera dédiée aux aspects algorithmiques. \nL’approche proposée repose sur le lissage par morceaux des courbes de \nforce de façon à déterminer les régions d’intérêt dans lesquelles les \nmodèles physiques s’appliquent. Le lissage par morceaux est reformulé \ncomme un problème d’approximation parcimonieuse utilisant un \ndictionnaire polynomial. Les algorithmes choisis sont des méthodes de \nrecherche de points caractéristiques sur une grille discrète. Ce sont \ndes algorithmes gloutons génériques pour l’approximation parcimonieuse \ndont la portée est plus large que le lissage par morceaux.\nJe les présenterai de façon générique en mettant en évidence leur bon \ncomportement dans le cadre des problèmes inverses mal conditionnés.[$

Date/heure
Date(s) - 28 novembre 2014

Catégories Pas de Catégories

$Titre :\nApproximation parcimonieuse pour le traitement d’images force-volume en \nmicroscopie AFM\n\nRésumé :\nCette présentation concerne les méthodes de traitement du signal dédiées \nà la microscopie de force atomique (AFM), une technologie récente \npermettant de caractériser les propriétés physico-chimiques d’objets, et \nen particulier d’échantillons biologiques à l’échelle nanométrique.\nDans la première partie de l’exposé, je présenterai la modalité \nforce-volume, qui consiste à mesurer des courbes de force sur une grille \nspatiale. Ces courbes représentent la force d’interaction entre une \npointe AFM et la surface d’un échantillon en fonction de leur distance. \nJe présenterai une approche automatique proposée au CRAN pour \nreconstruire un ensemble d’images représentant chacune une propriété \nphysico-chimique (topographie, élasticité, adhésion,\n…). Ce traitement repose sur l’inversion de modèles physiques \n(électrostatique, mécanique, …). La méthode est appliquée d’une part à \ndes bactéries présentes dans l’environnement, et d’autre part, aux \ncellules cancéreuses.\nLa seconde partie de l’exposé sera dédiée aux aspects algorithmiques. \nL’approche proposée repose sur le lissage par morceaux des courbes de \nforce de façon à déterminer les régions d’intérêt dans lesquelles les \nmodèles physiques s’appliquent. Le lissage par morceaux est reformulé \ncomme un problème d’approximation parcimonieuse utilisant un \ndictionnaire polynomial. Les algorithmes choisis sont des méthodes de \nrecherche de points caractéristiques sur une grille discrète. Ce sont \ndes algorithmes gloutons génériques pour l’approximation parcimonieuse \ndont la portée est plus large que le lissage par morceaux.\nJe les présenterai de façon générique en mettant en évidence leur bon \ncomportement dans le cadre des problèmes inverses mal conditionnés.[$