EMIS – Electron Microscopy Image Segmentation
Deep learning aided tool for fast and accurate segmentation of electron microscopy images
Porteur(s) du projet : Stéphanie Bricq, Yannick Benezeth
Partenaire(s) : Pollen Metrology
Budget : 110 k€
Présentation : Ce projet vise à simplifier le processus d’annotation d’images pour la segmentation d’instances en microscopie électronique. L’objectif est de créer des outils permettant une annotation rapide et précise des objets, réduisant ainsi le temps et les efforts nécessaires à l’étiquetage manuel. Ces outils faciliteront la production et la reproduction d’annotations pour de nouveaux objets. Le projet exploite des modèles d’apprentissage profond, en particulier un modèle basé sur les contours, pour identifier rapidement les limites des objets. Ce modèle est entraîné sur des ensembles de données existants d’images de microscopie électronique et intègre une nouvelle fonction de perte qui prend en compte la symétrie verticale souvent observée dans ces images, améliorant ainsi sa précision. Le projet s’appuie sur des ensembles de données existants d’images de microscopie électronique.
