Logiciel modulaire pour la reconstruction d'images scientifiques
Les scientifiques utilisent une panoplie d’instruments d’imagerie pour observer l’intérieur des organismes vivants, parfois lorsqu’ils se déplacent, et pour observer des objets inertes sans altérer leur état. Ces instruments comprennent des télescopes, des microscopes, des tomodensitomètres et bien plus encore. Mais ces instruments, même lorsqu’ils fonctionnent à leur capacité maximale, ne génèrent souvent que des images partielles ou des images de trop mauvaise qualité pour fournir un aperçu complet.
C'est là qu'interviennent les algorithmes puissants : ils peuvent rassembler des informations manquantes, améliorer la résolution et le contraste d'une image et étoffer des objets fragmentaires. Des progrès impressionnants ont été réalisés récemment dans cette technique, connue sous le nom d’imagerie computationnelle, au point qu’elle joue désormais un rôle central dans de nombreux types de recherche.
Les ingénieurs travaillant dans divers domaines ont développé de puissants programmes algorithmiques pour cette technique, mais chacun est conçu pour une application très spécifique, même si la physique de l’imagerie sous-jacente est généralement la même. Cela signifie que les scientifiques souhaitant combiner les méthodes d’imagerie doivent fournir un effort considérable pour adapter les différents programmes et les faire communiquer.
« Nous avions l'impression de réécrire toujours les mêmes morceaux de code afin d'adapter les programmes que nous voulions utiliser », explique Sepand Kashani, titulaire d'un doctorat. étudiant au Laboratoire de Communications Audiovisuelles (LCAV) de l'EPFL.
Il s'est donc associé à Matthieu Simeoni et Joan Rué Queralt, ancien et actuel responsable du Hub for Image Reconstruction au Centre for Imaging de l'EPFL, pour développer des algorithmes indépendants des applications à partager dans différents domaines. Aujourd'hui, ce logiciel, appelé Pyxu, est disponible en open source.
Des minuscules molécules à l’espace, les mêmes lois de la physique s’appliquent
« Les lois de la physique qui régissent l'imagerie sont souvent les mêmes quel que soit le domaine de recherche », précise Rué Queralt. « Et les problèmes rencontrés dans la reconstruction d'images peuvent être regroupés en une poignée de catégories avec à peu près les mêmes modèles mathématiques – des catégories comme les rayons X et autres formes de tomographie, les IRM et la radioastronomie, etc. » C'est pourquoi lui, Kashani et Simeoni pensaient qu'il serait possible de développer des logiciels indépendants des applications.
« Aujourd'hui, les méthodes d'imagerie ne sont généralement utilisées que dans le domaine pour lequel elles ont été initialement développées », précise Rué Queralt. « Nous avons vu des scientifiques consacrer beaucoup de temps et d'énergie à réinventer la roue en codant des programmes similaires à ceux qui existent déjà. Cela ralentit les progrès de l'imagerie dans tous les domaines. »
Pyxu est destiné à être utilisé dans n’importe quel domaine et facilite l’intégration transparente d’une technologie d’IA de pointe. Martin Vetterli, professeur au LCAV, explique : « Les algorithmes d'apprentissage profond ont bouleversé le paysage de l'imagerie informatique ces dernières années. Ces algorithmes s'appuient sur la technologie de l'IA et offrent de meilleures performances que leurs homologues conventionnels.
Les algorithmes sont entraînés en comparant des images de haute qualité avec des images reconstruites, puis utilisés pour effectuer automatiquement les corrections nécessaires pour améliorer les reconstructions et comparer les images elles-mêmes.
L'équipe de développement de Pyxu, composée d'ingénieurs du LCAV et du Center for Imaging, a dû mettre en commun des compétences dans un certain nombre de domaines pour créer le logiciel et la plate-forme open source. « L'un de nos plus grands défis techniques était de rendre Pyxu suffisamment flexible pour traiter d'énormes ensembles de données tout en étant facile à mettre en œuvre dans une variété de systèmes informatiques avec un large éventail de configurations matérielles », explique Kashani.
Moins de code, plus de briques
Avec Pyxu, les scientifiques n’ont plus besoin d’être experts dans les détails de mise en œuvre. Le logiciel contient des modules représentant différentes tâches, que les utilisateurs peuvent sélectionner et assembler dans l'ordre qu'ils souhaitent, un peu comme les briques Lego.
Nino Hervé, titulaire d'un doctorat. étudiant à l'Université de Lausanne, fut l'un des premiers utilisateurs de Pyxu; il a utilisé le logiciel pour reconstruire les images EEG. « Interpréter l'activité de 5 000 connexions neuronales, sur la base des lectures effectuées par 200 électrodes placées sur le cuir chevelu d'un patient, n'est pas une mince affaire », explique-t-il.
« Nous avons besoin de programmes efficaces pour résoudre les problèmes d'optimisation. Le logiciel de Pyxu utilise une variété d'algorithmes d'optimisation sophistiqués et est conçu pour exécuter des calculs en parallèle, ce qui le rend beaucoup plus rapide. Cela a considérablement allégé ma charge de travail. »
Pyxu est sorti en open source il y a seulement quelques mois et a déjà été utilisé dans de nombreuses études de l'EPFL dans des domaines tels que la radioastronomie, l'optique, la tomographie et le scanner. « Nous avons conçu Pyxu pour que les chercheurs puissent utiliser nos modèles comme base pour construire les leurs », explique Matthieu Simeoni, le créateur de Pyxu.
« Les chercheurs pourront alors ajouter leurs modèles à notre logiciel et les mettre à la disposition de l'ensemble de la communauté scientifique. »
Une deuxième version plus évolutive
Une deuxième version, plus évolutive, du logiciel est actuellement en préparation, et il est prévu de la publier également en open source. En plus de pouvoir gérer des ensembles de données plus volumineux, la nouvelle version inclura des fonctionnalités supplémentaires et sera encore plus simple à utiliser. Par exemple, les développeurs de Pyxu travaillent avec des ingénieurs du groupe d'imagerie biomédicale de l'EPFL pour s'appuyer sur les avancées récentes dans l'intégration d'algorithmes basés sur l'IA dans des modèles mathématiques.
L’objectif est de garantir que les images reconstruites transmettent visuellement des informations importantes et sont mathématiquement robustes, des qualités essentielles pour des applications sensibles telles que le diagnostic médical.
