Robust object characterization from lensless microscopy videos

Caractérisation robuste d'objets à partir de vidéos de microscopie sans lentille

Olivier Flasseur (1) , Loic Denis (1) , Corinne Fournier (1) , Thiébaut Eric (2)

1 LHC - Laboratoire Hubert Curien
2 CRAL - Centre de Recherche Astrophysique de Lyon

Lensless microscopy, also known as in-line digital holography, is a 3D quantitative imaging method used in various fields including microfluidics and biomedical imaging. To estimate the size and 3D location of microscopic objects in holograms, maximum likelihood methods have been shown to outperform traditional approaches based on 3D image reconstruction followed by 3D image analysis. However, the presence of objects other than the object of interest may bias maximum likelihood estimates. Using experimental videos of holograms, we show that replacing the maximum likelihood with a robust estimation procedure reduces this bias. We propose a criterion based on the intersection of confidence intervals in order to automatically set the level that distinguishes between inliers and outliers. We show that this criterion achieves a bias / variance trade-off. We also show that joint analysis of a sequence of holograms using the robust procedure is shown to further improve estimation accuracy.

La microscopie sans lentille, également connue sous le nom d'holographie numérique en ligne, est une méthode d'imagerie quantitative en 3D utilisée dans divers domaines, notamment la microfluidique et l'imagerie biomédicale. Pour estimer la taille et la position 3D d'objets microscopiques à partir d'hologrammes, il a été démontré que les méthodes du maximum de vraisemblance surpassent les approches traditionnelles basées sur la restitution d'image 3D suivie d'une analyse d'image 3D. Cependant, la présence d'autres objets (autre que l'objet d'intérêt) peut biaiser l'estimation au sens du maximum de vraisemblance. En utilisant des vidéos d'hologrammes expérimentaux, nous montrons que l'utilisation d'une procédure d'estimation robuste, à la place du maximum de vraisemblance classique, réduit ce biais. Nous proposons également un critère basé sur l'intersection des intervalles de confiance afin de définir automatiquement le niveau permettant de différencier les inliers et les outliers. Nous montrons que ce critère réalise un compromis biais / variance. Nous montrons également que l'analyse conjointe d'une séquence d'hologrammes en utilisant cette procédure robuste améliore encore la précision de l'estimation.

Mots clés: robust estimation; maximum likelihood; digital holography; lensless microscopy; inverse problems

Domaines: Traitement des images [eess.IV]; Traitement du signal et de l'image [eess.SP]

Olivier Flasseur, Loic Denis, Corinne Fournier, Thiébaut Eric. Robust object characterization from lensless microscopy videos. 25th European Signal Processing Conference, Aug 2017, Kos Island, Greece. ⟨ujm-01626086⟩