Thèse : Recalage de nuages de points multiples par apprentissage profond. Application à la microscopie de localisation de molécule unique

Titre : Recalage de nuages de points multiples par apprentissage profond. Application à la microscopie de localisation de molécule unique

Date et heure : le mercredi 12 novembre 2025 à 14h00

Lieu : Amphithéâtre A207, pôle API (300 boulevard Sébastien Brant, 67400 Illkirch-Graffenstaden)

Lien pour assister en distanciel : https://cnrs.zoom.us/j/94260531681?pwd=gbERzHDbewAT8j5iaoaQwMsDliaxaH.1 

Résumé : 
Les observations obtenues en microscopie de localisation de molécules uniques sont très fortement dégradées.
Pour pouvoir reconstruire un modèle 3D précis d'une particule, de nombreuses copies sont combinées, afin que leurs dégradations se compensent.
Cette étape de reconstruction nécessite d'abord d'aligner toutes ces copies. Il convient donc d'utiliser un algorithme à même de recaler un grand nombre de vues dégradées, et présentant des quasi-symétries.
Deux contributions seront présentées :
- premièrement, une approche d'initialisation pour de l'optimisation multi-starts reposant sur la détection de minima locaux dans l'espace des mouvements rigides, en utilisant explicitement sa géométrie.
- deuxièment, une transposition du problème de recalage multi-vues dans l'espace latent d'un auto-encodeur pré-entraîné. 
La combinaison de ces deux méthodes fournie un algorithme globale, multi-vues, et robuste.