Diffusion élastique optique pour l'identification de pathogènes

• Main Author: Genuer, Valentin
• Other Authors: Grenoble Alpes
• Language: en
• Published: 2017
• Subjects: Elastic light scattering; Identification; Diagnostic clinique; Bactéries; Apprentissage automatique; Clinical diagnosis; Bacteria; Machine learning; 620
• Online Access: http://www.theses.fr/2017GREAT096/document

Dans un contexte mondial de prolifération de pathogènes résistants aux antibiotiques, il y a un réel besoin de nouvelles techniques de diagnostic microbiologique rapides et fiables. Ce travail de thèse vise à apporter une meilleure compréhension de la technique d’identification microbienne par diffusion élastique (ELS pour Elastic Light Scattering). Cette méthode phénotypique utilise la diffraction d’un faisceau de lumière cohérente sur une colonie microbienne directement sur son milieu de culture. L’image de diffraction alors obtenue est considérée comme la signature phénotypique du microorganisme étudié. Cette image est ensuite transformée au moyen de descripteurs mathématiques afin de la comparer à une base de données pré-calculée au moyen d’algorithmes d’apprentissage automatiques. Dans un premier temps, l’architecture optique de l’instrument a été modifiée afin de le rendre compatible avec les milieux de culture opaque très répandus en diagnostic clinique. Deux approches ont ensuite été proposées afin de modéliser l’interaction lumière/colonie microbienne. Une première approche d’optique géométrique par lancer de rayons nous a permis d’apprécier les besoins en termes d’ouverture numérique pour l’acquisition des images de diffraction selon le profil morphologique des colonies. La seconde approche basée sur la théorie scalaire de la diffraction a permis de mettre en évidence l’importance de la répartition de la biomasse à l’intérieur de colonies. En effet, les macrostructures résultantes de l’empilement des cellules microbiennes jouent un rôle majeur dans la formation des images de diffraction. Dans un second temps, une procédure systématique d’amélioration des performances de classification a été proposée. Elle combine une description plus fidèle des images de diffraction via la projection sur une base de Fourier-Bessel, une optimisation par recherche de grille sur les paramètres de l’algorithme d’apprentissage automatique supervisé et enfin l’application d’une méthode de réduction de dimensionnalité. Grâce à cela nous pouvons par exemple proposer un test Gram+/Gram-/Levures avec un taux de discrimination de plus de 98% sur une base de 15 espèces. Enfin, l’utilisation de l’illumination cohérente a également été étendue à la lecture d’antibiogrammes par analyse dynamique de speckle. === The current health situation across the world is of great concern. There is an urgent need for novel and innovative diagnostic methods that would speed up accurate treatments decisions and be of significant utility for public health in the fight against antibiotic resistance.This Ph. D. work aims to better understand the Elastic Light Scattering (ELS) method for microbial identification. This phenotypic technique is based on the elastic scattering of a coherent light beam by a microorganism colony growing on its culture plate. The resulting scattering pattern can be considered as the phenotypic signature of the microorganism. Then this image is translated using mathematical descriptors so that it can be compared to a database previously obtained using learning algorithms.Part of this work was dedicated to the improvement of the optical design so that the instrument can handle opaque culture media widely used in clinical diagnosis. Then two approaches were proposed to model the interaction between light and bacterial colonies. A first geometrical approach could help us, using ray tracing algorithms, to estimate the numerical aperture needed for the acquisition depending on the colonies morphologies. The second approach, based on scalar diffraction theory, highlighted the importance of the biomass distribution inside the colonies. Macro-structures resulting from cells arrangement play a great role in the scattering patterns formation indeed. In addition, the features extraction step from images using a Bessel-Fourier basis significantly improved the description accuracy. A systematic approach comprising the optimization of the learning algorithm and a dimensionality reduction technique was proposed. Great improvements of classification rates were achieved. Among them: a Gram+/Gram-/Yeasts discrimination at 98.1% was obtained over 15 species. Finally the use of coherent lighting for the reading of antibiotics susceptibility test by means of dynamic speckle analysis was introduced and showed promising results.