Controle qualite# C’est quoi le QC en imagerie ?

Le QC (Quality Control), c’est l’ensemble des vérifications systématiques qui garantissent que :

• l’image acquise représente fidèlement l’échantillon,

• les artefacts sont maîtrisés (ou documentés),

• les étapes d’analyse (prétraitements, segmentation, tracking, ML) produisent des résultats fiables et reproductibles.

L’idée : détecter tôt un problème (microscope, acquisition, données, algorithmes) pour corriger ou stopper avant de tirer des conclusions biologiques fausses.

Les 6 niveaux de QC en imagerie

1. QC matériel / plateforme

Vérifie que le système optique et la chaîne de détection fonctionnent dans les spécifications.

Exemples : PSF, résolution, uniformité d’illumination, registration inter-canaux, stabilité mécanique (drift), calibration d’échelle (µm/pixel), linéarité du capteur.

2. QC à l’acquisition

Ce que tu règles au moment de la prise d’image pour éviter l’irrécupérable.

Exemples : exposition (éviter la saturation), focus, échantillonnage conforme à Nyquist, z-step cohérent, durée d’acquisition vs photoblanchiment.

3. QC des données (fichiers)

Intégrité et métadonnées complètes.

Exemples : format OME-TIFF/NGFF, tailles cohérentes (X/Y/Z/C/T), pixel size présent, horodatages, LUTs standards, contrôle d’orientation/axes.

4. QC des prétraitements

Tu corriges ce qui est systématique mais réversible.

Exemples : flat-field / shading (illumination inhomogène), soustraction du fond, dénoyautage (sans baver sur les bords), déconvolution (PSF mesurée/théorique), registration multi-canaux.

5. QC de la segmentation / features

Vérifie que les objets détectés correspondent à la réalité biologique et aux annotations.

Exemples : métriques pixel (IoU/Dice), objet (F1 objets, erreurs de comptage), distributions de taille/forme plausibles, erreurs typiques (sous-segmentation, sur-segmentation, fusion, trous).

6. QC du tracking / modèles ML

Vérifie la cohérence temporelle (trajectoires, identités) et la validité des modèles (pas de fuites de données, calibration).

Exemples : tracking (ID switches, longévité des pistes), ML (split train/val/test, AUC/F1, calibration (ECE), généralisation sur lots/jours différents).

Mesures clés et repères pratiques

Repères = ordres de grandeur usuels, à adapter par modalité (widefield, confocal, spinning, light-sheet) et objectif/NA.

1. Matériel

• PSF / Résolution : largeur latérale proche des valeurs attendues ; z plus large que xy (normal).

• Uniformité d’illumination : coefficient de variation (CV) du fond < 10–15% (après correction, résiduel < ~2–5%).

• Registration inter-canaux : < 0,5 pixel de décalage (perles multicanaux).

• Drift : < 1 pixel/min (ou corrigé numériquement si constant).

• Calibration : µm/pixel cohérent avec objectif + taille pixel caméra.

2. Acquisition

• Saturation : viser < 1% de pixels saturés ; dynamique explorée sans écrêtage.

• SNR : suffisant pour que le segmenteur sépare fond/objet (à estimer avec une mesure simple type Tenengrad/variance locale).

• Nyquist : échantillonner à ≥ 2–3 pixels par plus petit détail (xy) ; z-step ≈ 0,5–1× résolution axiale.

• Photoblanchiment : pente d’intensité vs temps faible et stable.

3. Données

• OME/REMBI : métadonnées présentes (échelles X/Y/Z, temps, canaux, intensités).

• Intégrité : hash/empreinte si gros volumes, absence de corruption/axes inversés.

4. Prétraitements

• Flat-field : vignettage corrigé (profil plat ± quelques %).

• Denoising : sans élargir les objets ; contrôle par profils de bords.

• Déconvolution : amélioration du contraste sans halos/artéfacts ; PSF documentée.

• Registration : décalage résiduel < 0,5 pixel si colocalisation.

5. Segmentation / Features

• Pixel : Dice/IoU élevés (p.ex. Dice ≥ 0,8 sur un échantillon annoté).

• Objet : F1 objet élevé ; erreurs de fusion/scission documentées.

• Features : distributions (aire, circularité) plausibles et stables par lot.

6. Tracking / ML

• Tracking : peu d’ID switches, pistes longues et continues ; métriques type DET/TRA en vert sur un sous-ensemble.

• ML : séparation claire train/val/test, aucune fuite ; métriques (F1/PR-AUC) stables en validation croisée ; calibration correcte (ECE bas).

Artefacts courants & remèdes rapides

• Vignettage / gradients → flat-field (BaSiC/CIDRE), illumination Köhler.

• Bruit / grain → débruitage modéré (NL-means/Wavelets), binning au besoin.

• Saturation / bande dynamique → ajuster gain/expo ; HDR si nécessaire.

• Aberrations chromatiques → registration par perles multicanaux.

• Drift / jitter → correction post-hoc (phase correlation), stabilisation mécanique.

• Rolling-shutter / banding → paramètres caméra, temps d’expo plus long, correction logicielle.

• Z-step erroné → recalibrer l’axe z ; vérifier le fichier de commande.

Documentation & traçabilité (FAIR)

• Métadonnées : microscope, objectif/NA, taille pixel, lasers/longueurs d’onde, filtres, temps d’expo, gain, dates, opérateur, échantillon, conditions.

• Versions : logiciels/plug-ins, paramètres de prétraitement, scripts.

• Contrôles : images de perles, lames de test, rapports QC (PDF/HTML).

• Données : formats ouverts (OME-TIFF / OME-NGFF), organisation claire (Plate/Well/Field/Time).

Routine QC (planning réaliste)

• À chaque acquisition : check rapide (saturation, focus, drift, uniformité visible), note d’expo/gain, mini-rapport.

• Hebdo : PSF, uniformité, registration multicanaux (perles), rapport standardisé.

• Projet : QC de prétraitement + échantillons annotés pour valider segmentation/tracking, critères GO/NO-GO.

• Publication : annexe QC (métadonnées, PSF, uniformité, exemples d’artefacts + corrections, métriques de seg/tracking/ML sur vérité terrain).

Règles “GO/NO-GO” (exemples)

• Saturation massive, métadonnées manquantes, z-step faux → NO-GO (reprise acquisition).

• Uniformité dégradée mais corrigeable, faible drift, bruit modéré → GO avec correction documentée.

• Segmentation instable (Dice < 0,7), tracking avec nombreux ID switches → stop analyse, revoir prétraitement/modèle/paramètres ; constituer un set d’annotations plus solide.

Ce que produit un bon QC (livrables)

• Rapport QC (HTML/PDF) : PSF, uniformité, saturation, drift, exemples avant/après correction, métriques de seg/tracking/ML.

• Jeu d’images de référence (perles, lames tests) + paramètres d’acquisition.

• Échantillons annotés (vérité terrain) pour valider segmentation/tracking.

• Scripts/Notebooks versionnés + fichiers YAML des paramètres.

Type d’image	Contrôles qualité spécifiques	Exemples de protocoles QC
Microscopie (optiques)	Vérif. PSF, uniformité d’illumination, calibration, drift, artefacts optiques, SNR, contrôle saturation, flat-field, métadonnées complètes	Images de billes (PSF), contrôle régulier de l’uniformité avec lames fluorescentes, vérification focus manuel/auto, script FIJI pour détecter la saturation, calcul du SNR sur fond/cellules
Microscopie électronique (MEB/MET)	Résolution nanométrique, étalonnage échelle, contrôle bruit/fond, vérif. d’artefacts de préparation (cryo, coloration), intégrité des champs	Images d’étalons nanométriques, vérification du contraste, annotation de la morphologie des objets, contrôle absence de zones brûlées/ombres
IRM/IRMf	Contrôle distorsion géométrique, uniformité du champ magnétique, bruit thermique, calibrations spatiales, absence d’artefacts de mouvement, SNR, intégrité DICOM	Fantômes de calibration (géométrie/homogénéité), rapport d’absence d’artefacts de mouvement (qualité patient/acquisition), vérification DICOM/métadonnées
TEP/TEP-CT	Correct. du bruit de fond, cohérence temporelle, co-registration avec CT, uniformité détecteurs, contrôle de radioactivité, calibrations 3D	Suivi de la co-registration sur images fusionnées, vérif. d’uniformité sur la série, calibration radioactivité vs référents, script d’analyse du bruit de fond par coupe
Scanner CT/X	Uniformité densité Hounsfield, calibrat. spatiale, contrôles de bruit, artefacts (métal, mouvement), résolution, intégrité DICOM	—
Échographie	Vérification résolution axiale/latérale, calibrat. échelle, contrôle artefacts (ombres, bruit speckle), intégrité temporelle, SNR	—
Histologie numérisée	Uniformité scan, calibrat. couleur, fidélité spatiale, contrôle tilt/rotation, intégrité fichiers, métadonnées (objectif, tranche, teinture)	Analyse comparée de la colorimétrie sur différents scanners, script d’alignement/rotation, contrôle manuel sur région témoin
Cytométrie / High-content screening	Vérif. uniformité champs, calibrat. intensité/canal, SNR, absence de saturation, intégrité des fichiers, vérif. segmentation/annotation automatique	QC automatique : histogrammes d’intensité, taux d’objets détectés/ratés, contrôle d’intégrité des fichiers batch issus du système

Pour chaque modalité, les bonnes pratiques regroupent :

• Contrôle physique/métrologique régulier (soit via étalon, soit via phantom, soit via objet de référence)

• Validation de l’intégrité des fichiers et des métadonnées

• Test d’artefacts et vérification de la reproductibilité par lots/plateformes.

La mise en place de workflows QC automatisés (via scripts Python, FIJI, plugins spécialisés) est répandue pour garantir la robustesse de l’analyse bio-informatique.