Patterns of protein modification inside cells play an
important role in the regulation of gene expression. In this
work we aim to develop a method allowing for a detailed
analysis of the meaningful protein formation inside living
cells with visualization and the processing of microscopy cell
images. However, the observed microscopy images suffer
from visible artefacts related to blurriness and noise. One of
the main modern approaches to the processing of
microscopic images of cell cultures is computer vision using
deep learning methods and artificial intelligence (AI). In this
work, we aim to implement AI methods throughout the
pipeline of microscopy cell images restoration and analysis.
The proposed scheme involves the implementation of deep
learning methods for image restoration, segmentation, and
time and space localization of cells. Thereafter, we plan to
implement AI approaches for the extraction of meaningful
patterns of protein modifications inside cells and use this
information for effective cell clustering. Our experiments are
on 2D images as well as multilayer 3D objects. To the best of
the authors knowledge, this is the first work to apply AI for
living cells featuring extraction and clustering.

Les schémas de modification des protéines à l'intérieur des cellules jouent un rôle important dans la régulation de l'expression des gènes. Dans ce travail, nous visons à développer une méthode permettant une analyse détaillée de la formation significative de protéines à l'intérieur des cellules vivantes avec la visualisation et le traitement des images cellulaires de microscopie. Cependant, les images de microscopie observées souffrent d'artefacts visibles liés au flou et au bruit. L'une des principales approches modernes du traitement d'images microscopiques de cultures cellulaires est la vision par ordinateur utilisant des méthodes d'apprentissage en profondeur et l'intelligence artificielle (IA). Dans ce travail, nous visons à mettre en œuvre des méthodes d'IA tout au long du pipeline de restauration et d'analyse d'images de cellules de microscopie. Le schéma proposé implique la mise en œuvre de méthodes d'apprentissage en profondeur pour la restauration d'images, la segmentation et la localisation temporelle et spatiale des cellules. Par la suite, nous prévoyons de mettre en œuvre des approches d'IA pour l'extraction de modèles significatifs de modifications de protéines à l'intérieur des cellules et d'utiliser ces informations pour un regroupement cellulaire efficace. Nos expérimentations portent aussi bien sur des images 2D que sur des objets 3D multicouches. Au meilleur de la connaissance des auteurs, il s'agit du premier travail à appliquer l'IA pour les cellules vivantes avec extraction et regroupement.

Patterns of protein modification inside cells play an
important role in the regulation of gene expression. Here, we
aim to develop a method allowing for a detailed analysis of
the meaningful protein formation inside living cells with
visualization and the processing of microscopy cell images.
However, the observed microscopy images suffer from
visible artefacts related to blurriness and noise. In this work,
we aim to implement AI methods throughout the pipeline of
microscopy cell image restoration and analysis. Thereafter,
we plan to implement AI approaches for the extraction of
meaningful patterns of protein modifications inside cells and
use this information for effective cell clustering. Our
experiments are on 2D images as well as multilayer 3D
objects. To the best of the authors knowledge, this is the first
work to apply AI for living cells featuring extraction and
clustering.

Les schémas de modification des protéines à l'intérieur des cellules jouent un rôle important dans la régulation de l'expression des gènes. Ici, nous visons à développer une méthode permettant une analyse détaillée de la formation significative de protéines à l'intérieur des cellules vivantes avec la visualisation et le traitement des images cellulaires de microscopie. Cependant, les images de microscopie observées souffrent d'artefacts visibles liés au flou et au bruit. Dans ce travail, nous visons à mettre en œuvre des méthodes d'IA tout au long du pipeline de restauration et d'analyse d'images de cellules de microscopie. Par la suite, nous prévoyons de mettre en œuvre des approches d'IA pour l'extraction de modèles significatifs de modifications de protéines à l'intérieur des cellules et d'utiliser ces informations pour un regroupement cellulaire efficace. Nos expérimentations portent aussi bien sur des images 2D que sur des objets 3D multicouches. Au meilleur de la connaissance des auteurs, il s'agit du premier travail à appliquer l'IA pour les cellules vivantes avec extraction et regroupement.

AI solution for end-to-end processing of cell microscopy images