EN

Réduire le volume de stockage des images de microscopie optique

Ingénierie et Architecture Genève

La taille des données grandit avec celle des images d’échantillons toujours plus grands avec une résolution sans cesse améliorée. Pour maitriser l’impact sur les volumes de stockage, une équipe d’HEPIA valide une compression innovante, développée par Dotphoton et optimisant la taille des fichiers tout en préservant leur qualité.

À gauche l’image dans un format brut, à droite l’image compressée par Jetraw, 8 fois moins volumineuse et sans perte de qualité. © L. Batti & S. Pagès, Wyss Center for Bio and Neuroengineering.

Des dizaines voire des centaines de téraoctets de données sont quotidiennement générées en imagerie 3D. Cela met quotidiennement au défi un nombre croissant de chercheurs quant à leur gestion, leur transmission et leur traitement, en termes de temps mais aussi de coûts.

Une étude menée par HEPIA et Dotphoton SA, en collaboration avec l’EPFL, le Wyss Center for Bio and Neuroengineering et l’institut Max Planck de Mainz propose pour la première fois une solution quantitative à ce défi.

Compresser ces images est la seule solution efficace, tout en garantissant l’intégrité de la qualité des données. En présentant une analyse quantitative de la perte d’information, la nouvelle approche préserve la qualité des données originales et un facteur de compression optimal allant jusqu’à 10x.

L’algorithme a été développé par Dotphoton SA et validé par HEPIA, grâce au soutien d’Innosuisse. L’impact de la compression sur l’analyse des données effectuée à l’aide de l’intelligence artificielle a permis de démontrer que, contrairement au format JPEG, cette nouvelle compression préserve la qualité des prédictions issues d’analyses automatisées, contrairement à d’autres méthodes de compression existantes.

Finalement, cette nouvelle compression d’image contribue aussi à réduire l’empreinte énergétique de ces données. En facilitant leur stockage, leur transfert et leur analyse, l’impact énergétique et les coûts associés sont ainsi réduits de plus de 75%.

www.jetraw.com

                                                                                                                                                                

Article : E. Pomarico, et al., « Statistical distortion of supervised learning predictions in optical microscopy induced by image compression» Scientific Reports 12, 3464 (2022). https://doi.org/10.1038/s41598-022-07445-4