L'imagerie par résonance magnétique (IRM) est une modalité non-invasive développée pour le diagnostic clinique. D'autres domaines se sont approprié cette technique, comme l'analyse de produits agroalimentaires. Le cadre applicatif de nos travaux est l'étude de la répartition des tissus adipeux chez le poisson en IRM bas champ. Au-delà de la visualisation, c'est la quantification des tissus qui nous intéresse ici. Une quantification précise requiert le débruitage des images et la correction des inhomogénéités d'intensité liées à la variation spatiale du champ magnétique radiofréquence (RF). En IRM pondérée-T1 utilisée ici, les inhomogénéités de la RF ont un effet complexe et introduisent un biais qui dépend du tissu en présence. La méthode proposée aborde de façon unifiée la correction et le débruitage dans le cadre de la résolution des problèmes inverses. Elle prend en compte un modèle de biais issu de la physique de l'IRM auquel s'ajoute un modèle de l'échantillon vu comme une somme pondérée de tissus. La méthode est basée sur la minimisation d'un critère pénalisé comprenant des termes d'attache aux données et des termes de régularisation assurant des solutions spatialement lisses tout en conservant les contours dans l'image. Elle impose d'acquérir plusieurs images avec des protocoles différents. La minimisation est basée sur une résolution par blocs de variables, chaque bloc faisant appel à l'algorithme du gradient conjugué. Des résultats obtenus sur des images de poisson valident l'approche. Nous présentons de plus les résultats préliminaires d'une démarche de planification d'expérience pour choisir les protocoles permettant une estimation optimale des variables.

Les travaux présentés dans cette thèse traitent de l'apport de l'incertitude, de l'imprécision et de l'a priori en traitement d'images médicales, dans le cadre d'outils d'aide au diagnostic des pathologies conséquentes de l'obésité et du surpoids. Deux parties composent ce travail : une modélisation du signal IRM d'une séquence prototype fournie par GE, et une méthode de classification floue adaptée pour répondre aux attentes des experts radiologistes et anatomopathologistes. Le signal IRM est issu des différents constituants du voxel. Afin de déterminer la proportion de graisse dans le tissu, les signaux issus de l'eau et de la graisse sont déterminées par régression à partir des images IRM obtenues en prenant en compte un a priori sur le bruit présent sur les images. Considéré de Gauss sur les images réelles et imaginaires, et de Rice sur les images amplitudes, cet a priori sur le bruit a permis de mettre en évidence l'apport de l'utilisation des données brutes lors de la quantification de la proportion de graisse et d'eau par rapport à une quantification uniquement effectuée sur les données amplitudes. La méthode de classification présentée ici permet une dépendance à longue distance lors du calcul des centroïdes. Cette méthode combinée à un algorithme de connectivité floue est adaptée à la mesure de la graisse viscérale et souscutanée. Elle fut également utilisée pour la quantification des vacuoles de triglycérides présentes sur des biopsies hépatiques. De part la proportion très hétérogène des vacuoles de stéatose, fonction du degré de la pathologie, nous avons amélioré l'algorithme de classification par une supervision permettant d'orienter la classification afin de se dédouaner de cette hétérogénéité. La classification est ensuite combinée à un système expert permettant d'éliminer les erreurs de classification survenues. L'ensemble des méthodes fut évalué dans le cadre d'expérimentations animales et de différents protocoles de recherche clinique.