| language: fr | |
| tags: | |
| - denoising | |
| - microscopy | |
| - noise2void | |
| - tensorflow | |
| - keras | |
| license: mit | |
| # Noise2Void — Débruitage d'images microscopiques | |
| Modèle de débruitage d'images microscopiques par auto-supervision (self-supervised denoising), entraîné avec la librairie [N2V](https://github.com/juglab/n2v) (TensorFlow/Keras), dans le cadre d'une thèse sur la drépanocytose. | |
| ## Tâche | |
| Débruitage d'images microscopiques de frottis sanguin colorées (MGG, Giemsa) avant analyse par les modèles de détection et classification. | |
| ## Performance | |
| | Métrique | Valeur | | |
| |----------|--------| | |
| | PSNR | 43.98 dB | | |
| | SSIM | 0.98 | | |
| ## Fichiers | |
| - `weights_best.h5` : meilleurs poids du modèle | |
| - `weights_last.h5` : derniers poids de l'entraînement | |
| - `config.json` : configuration complète de l'entraînement | |
| - `train_noise2void.ipynb` : notebook d'entraînement | |
| ## Utilisation | |
| ```python | |
| from n2v.models import N2V | |
| model = N2V(config=None, name='n2v_model_test_1_data_gray', basedir='.') | |
| model.keras_model.load_weights('weights_best.h5') | |
| # Débruitage | |
| denoised = model.predict(image, axes='YX') | |
| ``` | |
| ## Contexte | |
| Ce modèle fait partie d'un pipeline de recherche sur la détection automatique de cellules falciformes (drépanocytose) à partir d'images de frottis sanguin. Il constitue l'étape de prétraitement du pipeline. | |
| ## Auteur | |
| **Abdourahmane BALDE** — [@abdourahmane01](https://huggingface.co/abdourahmane01) | |