---
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)