Les récifs coralliens de Floride sont assiégés. Depuis 2014, la Stony Coral Tissue Loss Disease (SCTLD) s’est propagée rapidement le long du Florida Reef Tract et dans les Caraïbes, tuant un nombre considérable de coraux constructeurs de récifs et laissant derrière elle des squelettes morts là où des récifs autrefois prospères abritaient une vie marine diversifiée. Malgré la gravité de la crise, on sait peu de choses sur la façon dont ces maladies affectent la structure microscopique des squelettes coralliens – les pores, les densités et les épaisseurs qui confèrent aux récifs leur force et leur résilience.

L’étude de ces caractéristiques minuscules a longtemps été un défi. Les méthodes traditionnelles sont lentes et manquent souvent les changements structurels subtils.

Pour relever ce défi, des chercheurs de la Florida Atlantic University ont eu recours à la micro-tomographie à rayons X (micro-CT). Cette technique génère des reconstructions 3D détaillées jusqu’aux pores microscopiques, révélant ainsi de manière non destructive les caractéristiques internes du squelette, notamment la porosité, l’épaisseur et l’orientation structurelle. Installé dans le FAU High School Owls Imaging Lab, le micro-CT était idéal pour l’imagerie des coraux, dont la teneur minérale élevée fournit un fort contraste aux rayons X. 

Les chercheurs ont combiné l’imagerie micro-CT avec une segmentation d’images basée sur l’apprentissage profond, utilisant des réseaux neuronaux convolutifs (CNN), une forme d’intelligence artificielle, pour distinguer automatiquement les squelettes coralliens des espaces poreux. En analysant les images par motifs et caractéristiques, cette approche est plus rapide et plus précise que les méthodes manuelles traditionnelles.

« La micro-CT nous offre une fenêtre sur le squelette corallien d’une manière jamais possible auparavant », affirme Alejandra Coronel-Zegarra, première autrice et candidate au doctorat au Département de chimie et biochimie du Charles E. Schmidt College of Science de la FAU, qui a remporté le prix étudiant 2025 de Microscopy and Microanalysis pour ses recherches sur la SCTLD. En la combinant avec l’apprentissage profond, nous pouvons détecter automatiquement les changements subtils dans le squelette causés par la maladie – des détails presque impossibles à voir manuellement.

Source : enerzine