Durée
10h Th, 10h TD
Nombre de crédits
| Master en bioinformatique et modélisation, à finalité approfondie | 2 crédits |
Enseignant
Coordinateur
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Ce cours introduit l'analyse avancée d'images biologiques et biomédicales avec le support de techniques utilisant l'intelligence artificielle.
L'objectif principal est de comprendre comment une image devient une donnée quantitative exploitable.
Programme indicatif
- Revoir et approfondir les notions fondamentales d'image et d'analyse morphologique : pixels, formats, bit-depth, bruit, flou, LUT, clipping, stacks/hyperstacks, filtres, soustraction de fond, seuillage, watershed, mesures, colocalisation.
- Introduire l'intelligence artificielle appliquée à l'analyse d'images biologiques : machine learning, deep learning, CNN, U-Net, segmentation sémantique et segmentation d'instances, modèles pré-entraînés, réentraînement ou adaptation de modèles, avantages et limites.
- Passer des objets cellulaires aux données multiparamétriques : choix des variables, normalisation, clustering, réduction de dimension, visualisation des populations cellulaires.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Ce cours vise à fournir aux étudiants les bases conceptuelles nécessaires pour comprendre comment des images biologiques multidimensionnelles, produites dans des contextes expérimentaux variés, peuvent être transformées en données quantitatives exploitables. À l'issue du cours, les étudiants devront être capables d'identifier les principales étapes d'un workflow d'analyse d'images, d'expliquer le rôle des annotations, de la segmentation, de l'extraction de mesures, de la classification et de l'analyse spatiale, ainsi que de comprendre l'apport des outils d'intelligence artificielle. Ils devront également être capables de discuter de manière critique la qualité des résultats obtenus, les biais possibles, les limites méthodologiques ou biologiques et les conditions nécessaires à la reproductibilité d'une analyse d'image.
Savoirs et compétences prérequis
Ce cours ne suppose aucune connaissance particulière en informatique, mais il s'appuie néanmoins sur l'introduction à l'analyse d'image du cours BIOC0727-1
Activités d'apprentissage prévues et méthodes d'enseignement
Les activités combinent exposés courts, démonstrations et manipulations guidées sur ordinateur.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Chaque étudiant doit se munir d'un ordinateur portable sur lequel QuPath et Fiji/ImageJ peuvent être installés et exécutés.
Contacts
- Pierre Tocquin: ptocquin@uliege.be
- Alexandre Hego: alexandre.hego@uliege.be