Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique

Séminaire du 30 septembre 2021

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Révision datée du 27 septembre 2021 à 11:06 par Meillier (discussion | contributions) (Page créée avec « <big>'''Analyse des données de super-resolution spectrale'''</big> ''Julien Godet, MCU-PH Biophysique-Biostatistiques'' '''Résumé :''' La microscopie à super résolu… »)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)
Aller à la navigation Aller à la recherche

Analyse des données de super-resolution spectrale

Julien Godet, MCU-PH Biophysique-Biostatistiques

Résumé : La microscopie à super résolution à résolution spectrale (SR-SMLM) est une nouvelle approche permettant d'explorer les localisations et les propriétés d'émission de fluorescence d'émetteurs uniques En ajoutant aux localisations l'enregistrement simultané des signatures spectroscopiques d'émetteurs uniques, la SR-SMLM offre une dimension supplémentaire à explorer en imagerie de super-résolution. Mais l'étude de la composante spectroscopique des images nécessite des outils appropriés. Nous avons travaillé sur des approches de machine-learning pour améliorer la qualité des images. Je présenterai également une approche par phasor pour résumer l'information spectrale de la SR-SMLM.