DL’objectif de cette thèse est le développement de techniques adaptées à l’application de la théorie de l’acquisition compressée en imagerie ultrasonore 3D et Doppler. En imagerie ultrasonore 3D une des principales difficultés concerne le temps d’acquisition très long lié au nombre de lignes RF à acquérir pour couvrir l’ensemble du volume. Afin d’augmenter la cadence d’imagerie une solution possible consiste à choisir aléatoirement des lignes RF qui ne seront pas acquises. La reconstruction des données manquantes est une application typique de l’acquisition compressée. Une autre application d’intérêt correspond aux acquisitions Doppler duplex où des stratégies d’entrelacement des acquisitions sont nécessaires et conduisent donc à une réduction de la quantité de données disponibles. Dans ce contexte, nous avons réalisé de nouveaux développements permettant l’application de l’acquisition compressée à ces deux modalités d’acquisition ultrasonore. Dans un premier temps, nous avons proposé d’utiliser des dictionnaires redondants construits à partir des signaux d’intérêt pour la reconstruction d’images 3D ultrasonores. Une attention particulière a aussi été apportée à la configuration du système d’acquisition et nous avons choisi de nous concentrer sur un échantillonnage des lignes RF entières, réalisable en pratique de façon relativement simple. Cette méthode est validée sur données 3D simulées et expérimentales. Dans un deuxième temps, nous proposons une méthode qui permet d’alterner de manière aléatoire les émissions Doppler et les émissions destinées à l’imagerie mode-B. La technique est basée sur une approche bayésienne qui exploite la corrélation et la parcimonie des blocs du signal. L’algorithme est validé sur des données Doppler simulées et expérimentales. / This thesis is dedicated to the application of the novel compressed sensing theory to the acquisition and reconstruction of 3D US images and Doppler signals. In 3D US imaging, one of the major difficulties concerns the number of RF lines that has to be acquired to cover the complete volume. The acquisition of each line takes an incompressible time due to the finite velocity of the ultrasound wave. One possible solution for increasing the frame rate consists in reducing the acquisition time by skipping some RF lines. The reconstruction of the missing information in post processing is then a typical application of compressed sensing. Another excellent candidate for this theory is the Doppler duplex imaging that implies alternating two modes of emission, one for B-mode imaging and the other for flow estimation. Regarding 3D imaging, we propose a compressed sensing framework using learned overcomplete dictionaries. Such dictionaries allow for much sparser representations of the signals since they are optimized for a particular class of images such as US images.We also focus on the measurement sensing setup and propose a line-wise sampling of entire RF lines which allows to decrease the amount of data and is feasible in a relatively simple setting of the 3D US equipment. The algorithm was validated on 3D simulated and experimental data. For the Doppler application, we proposed a CS based framework for randomly interleaving Doppler and US emissions. The proposed method reconstructs the Doppler signal using a block sparse Bayesian learning algorithm that exploits the correlation structure within a signal and has the ability of recovering partially sparse signals as long as they are correlated. This method is validated on simulated and experimental Doppler data.

Le problème d'estimer une fonction de plusieurs variables à partir d'une observation corrompue surgit dans de nombreux domaines d'ingénierie. Par exemple, en imagerie médicale cette tâche a attiré une attention particulière et a, même, motivé l'introduction de nouveaux concepts qui ont trouvé des applications dans de nombreux autres domaines. Cet intérêt est principalement du au fait que l'analyse des données médicales est souvent effectuée dans des conditions difficiles car on doit faire face au bruit, au faible contraste et aux transformations indésirables inhérents aux systèmes d'acquisition. D'autre part , le concept de parcimonie a eu un fort impact sur la reconstruction et la restauration d'images au cours des deux dernières décennies. La parcimonie stipule que certains signaux et images ont des représentations impliquant seulement quelques coefficients non nuls. Cela est avéré être vérifiable dans de nombreux problèmes pratiques. La thèse introduit de nouvelles constructions d'a priori de parcimonie dans le cas des ondelettes et de la variation totale. Ces constructions utilisent une notion d'anisotopie généralisée qui permet de regrouper des variables ayant des comportements similaires : ces comportement peuvent peut être liée à la régularité de la fonction, au sens physique des variables ou bien au modèle d'observation. Nous utilisons ces constructions pour l'estimation non-paramétriques de fonctions. Dans le cas des ondelettes, nous montrons l'optimalité de l'approche sur les espaces fonctionnelles habituels avant de présenter quelques exemples d’applications en débruitage de séquences d'images, de données spectrales et hyper-spectrales, écoulements incompressibles ou encore des images ultrasonores. En suite, nous modélisons un problème déconvolution de données d'imagerie par résonance magnétique fonctionnelle comme un problème de minimisation faisant apparaître un a priori de variation totale structuré en espace-temps. Nous adaptons une généralisation de l'éclatement explicite-implicite pour trouver une solution au problème de minimisation. / The problem of estimating a multivariate function from corrupted observations arises throughout many areas of engineering. For instance, in the particular field of medical signal and image processing, this task has attracted special attention and even triggered new concepts and notions that have found applications in many other fields. This interest is mainly due to the fact that the medical data analysis pipeline is often carried out in challenging conditions, since one has to deal with noise, low contrast and undesirable transformations operated by acquisition systems. On the other hand, the concept of sparsity had a tremendous impact on data reconstruction and restoration in the last two decades. Sparsity stipulates that some signals and images have representations involving only a few non-zero coefficients. The present PhD dissertation introduces new constructions of sparsity priors for wavelets and total variation. These construction harness notions of generalized anisotropy that enables grouping variables into sub-sets having similar behaviour; this behaviour can be related to the regularity of the unknown function, the physical meaning of the variables or the observation model. We use these constructions for non-parametric estimation of multivariate functions. In the case of wavelet thresholding, we show the optimality of the procedure over usual functional spaces before presenting some applications on denoising of image sequence, spectral and hyperspectral data, incompressible flows and ultrasound images. Afterwards, we study the problem of retrieving activity patterns from functional Magnetic Resonance Imaging data without incorporating priors on the timing, durations and atlas-based spatial structure of the activation. We model this challenge as a spatio-temporal deconvolution problem. We propose the corresponding variational formulation and we adapt the generalized forward-backward splitting algorithm to solve it.

Cette thèse traite de la détection automatique d’outils chirurgicaux de géométrie linéaire tels que des aiguilles ou des électrodes en imagerie ultrasonore 3D. Une localisation précise et fiable est nécessaire pour des interventions telles que des biopsies ou l’insertion d’électrode dans les tissus afin d’enregistrer leur activité électrique (par exemple dans le cortex cérébral). Le lecteur est introduit aux bases de l’imagerie ultrasonore (US) médicale. L’état de l’art des méthodes de localisation est rapporté. Un grand nombre de méthodes sont basées sur la projection comme la transformation de Hough ou la Projection Intégrale Parallèle (PIP). Afin d’améliorer l’implantation des méthodes PIP connues pour être assez lentes, nous décrivons une possible accélération par approche multirésolution. Nous proposons d’utiliser une méthode d’ajustement de modèle utilisant une approche RANSAC et une optimization locale. C’est une méthode rapide permettant un traitement temps réel et qui a l’avantage d’être très robuste en présence d’autres structures fortement échogènes dans le milieu environnant. Nous proposons deux nouveaux modèles d’apparence et de forme de l’outil dans les images US 3D. La localisation de l’outil peut être améliorée en exploitant son aspect tubulaire. Nous proposons un modèle d’outil utilisant un filtrage rehausseur de ligne que nous avons incorporé dans le schéma de recherche de modèle. La robustesse de cet algorithme de localisation est améliorée au prix d’un temps additionnel de pré-traitement. La localisation temps-réel utilisant le modèle de forme est démontrée par une implantation sur l’échographe Ultrasonix RP. Toutes les méthodes proposées on été testée sur des données de simulation US, des données de fantômes (qui sont des tissus synthétiques imitant les tissus biologiques) ainsi que sur des données réelles de biopsie du sein. Les méthodes proposées ont montré leur capacité à produire des résultats similaires en terme de précision mais en limitant d’avantage le nombre d’échecs de détection par rapport aux méthodes de l’état de l’art basées sur les projections. / This thesis deals with automatic localization of thin surgical tools such as needles or electrodes in 3D ultrasound images. The precise and reliable localization is important for medical interventions such as needle biopsy or electrode insertion into tissue. The reader is introduced to basics of medical ultrasound (US) imaging. The state of the art localization methods are reviewed in the work. Many methods such as Hough transform (HT) or Parallel Integral Projection (PIP) are based on projections. As the existing PIP implementations are relatively slow, we suggest an acceleration by using a multiresolution approach. We propose to use model fitting approach which uses randomized sample consensus (RANSAC) and local optimization. It is a fast method suitable for real-time use and it is robust with respect to the presence of other high-intensity structures in the background. We propose two new shape and appearance models of tool in 3D US images. Tool localization can be improved by exploiting its tubularity. We propose a tool model which uses line filtering and we incorporated it into the model fitting scheme. The robustness of such localization algorithm is improved at the expense of additional time for pre-processing. The real-time localization using the shape model is demonstrated by implementation on the 3D US scanner Ultrasonix RP. All proposed methods were tested on simulated data, phantom US data (a replacement for a tissue) and real tissue US data of breast with biopsy needle. The proposed methods had comparable accuracy and the lower number of failures than the state of the art projection based methods.

Ce travail de thèse est axé sur le domaine du traitement d'images biomédicales. L'objectif de notre étude est l'estimation des paramètres traduisant les propriétés mécaniques de l'artère carotide in vivo en imagerie échographique, dans une optique de détection précoce de la pathologie cardiovasculaire. L'analyse du mouvement longitudinal des tissus de la paroi artérielle, i.e. dans la même direction que le flux sanguin, représente la motivation majeure de ce travail. Les trois contributions principales proposées dans ce travail sont i) le développement d'un cadre méthodologique original et semi-automatique, dédié à la segmentation et à l'estimation du mouvement de la paroi artérielle dans des séquences in vivo d'images ultrasonores mode-B, ii) la description d'un protocole de génération d'une référence, faisant intervenir les opérations manuelles de plusieurs experts, dans le but de quantifier la précision des résultats de notre méthode malgré l'absence de vérité terrain inhérente à la modalité échographique, et iii) l'évaluation clinique de l'association entre les paramètres mécaniques et dynamiques de la paroi carotidienne et les facteurs de risque cardiovasculaire dans le cadre de la détection précoce de l'athérosclérose. Nous proposons une méthode semi-automatique, basée sur une approche conjointe de segmentation des contours de la paroi et d'estimation du mouvement des tissus. L'extraction de la position des interfaces est réalisée via une approche spécifique à la structure morphologique de la carotide, basée sur une stratégie de programmation dynamique exploitant un filtrage adapté. L'estimation du mouvement est réalisée via une méthode robuste de mise en correspondance de blocs (block matching), basée sur la connaissance du déplacement a priori ainsi que sur la mise à jour temporelle du bloc de référence par un filtre de Kalman spécifique. La précision de notre méthode, évaluée in vivo, correspond au même ordre de grandeur que celle résultant des opérations manuelles réalisées par des experts, et reste sensiblement meilleure que celle obtenue avec deux autres méthodes traditionnelles (i.e. une implémentation classique de la technique de block matching et le logiciel commercial Velocity Vector Imaging). Nous présentons également quatre études cliniques réalisées en milieu hospitalier, où nous évaluons l'association entre le mouvement longitudinal et les facteurs de risque cardiovasculaire. Nous suggérons que le mouvement longitudinal, qui représente un marqueur de risque émergent et encore peu étudié, constitue un indice pertinent et complémentaire aux marqueurs traditionnels dans la caractérisation de la physiopathologie artérielle, reflète le niveau de risque cardiovasculaire global, et pourrait être bien adapté à la détection précoce de l'athérosclérose. / This thesis is focused on the domain of bio-medical image processing. The aim of our study is to assess in vivo the parameters traducing the mechanical properties of the carotid artery in ultrasound imaging, for early detection of cardiovascular diseases. The analysis of the longitudinal motion of the arterial wall tissues, i.e. in the same direction as the blood flow, represents the principal motivation of this work. The three main contributions proposed in this work are i) the development of an original and semi-automatic methodological framework, dedicated to the segmentation and motion estimation of the arterial wall in in vivo ultrasound B-mode image sequences, ii) the description of a protocol aiming to generate a reference, involving the manual tracings of several experts, in the objective to quantify the accuracy of the results of our method despite the absence of ground truth inherent to ultrasound imaging, and iii) the clinical evaluation of the association between the mechanical and dynamical parameters of the arterial wall and the cardiovascular risk factors, for early detection of atherosclerosis. We propose a semi-automatic method, based on a combined approach of wall segmentation and tissues motion estimation. The extraction on the interfaces position is realized via an approach specific to the morphological structure of the carotid artery, based on a strategy of dynamic programming using a matched filter. The motion estimation is performed via a robust block matching method, based on the a priori knowledge of the displacement as well as the temporal update of the reference block with a specific Kalman filter. The accuracy of our method, evaluated in vivo, corresponds to the same order of magnitude as the one resulting from the manual operations performed by experts, and is significantly higher than the one obtained from two other classical methods (i.e. a classical implementation of the block matching technique, and the VVI commercial software). We also present four clinical studies, and we evaluate the association between longitudinal motion and cardiovascular risk factors. We suggest that the longitudinal motion, which represents an emerging cardiovascular risk marker that has been only few studied yet, constitutes a pertinent and complementary marker aiming at the characterization of arterial physio-pathology, traduces the overall cardiovascular risk level, and could be well suited to the early detection of the atherosclerosis.

Dans les examens médicaux et les actes de thérapie, les techniques minimalement invasives sont de plus en plus utilisées. Des instruments comme des aiguilles de biopsie, ou des électrodes sont utilisés pour extraire des échantillons de cellules ou pour effectuer des traitements. Afin de réduire les traumatismes et de faciliter le suivi visuelle de ces interventions, des systèmes d’assistance par imagerie médicale, comme par exemple, par l’échographie 2D, sont utilisés dans la procédure chirurgicale. Nous proposons d’utiliser l’échographie 3D pour faciliter la visualisation de l’aiguille, mais en raison de l’aspect bruité de l’image ultrasonore (US) et la grande quantité de données d’un volume 3D, il est difficile de trouver l’aiguille de biopsie avec précision et de suivre sa position en temps réel. Afin de résoudre les deux principaux problèmes ci-dessus, nous avons proposé une méthode basée sur un algorithme RANSAC et un filtre de Kalman. De même l’étude est limitée à une région d’intérêt (ROI) pour obtenir une localisation robuste et le suivi de la position de l’aiguille de biopsie en temps réel. La méthode ROI-RK se compose de deux étapes: l’étape d’initialisation et l’étape de suivi. Dans la première étape, une stratégie d’initialisation d’une ROI en utilisant le filtrage de ligne à base de matrice de Hesse est mise en œuvre. Cette étape permet de réduire efficacement le bruit de granularité du volume US, et de renforcer les structures linéaires telles que des aiguilles de biopsie. Dans la deuxième étape, après l’initialisation de la ROI, un cycle de suivi commence. L’algorithme RK localise et suit l’aiguille de biopsie dans une situation dynamique. L’algorithme RANSAC est utilisé pour estimer la position des micro-outils et le filtrage de Kalman permet de mettre à jour la région d’intérêt et de corriger la localisation de l’aiguille. Une stratégie d’estimation de mouvement est également appliquée pour estimer la vitesse d’insertion de l’aiguille de biopsie. Des volumes 3D US avec un fond inhomogène ont été simulés pour vérifier les performances de la méthode ROI-RK. La méthode a été testée dans des conditions variables, telles que l’orientation d’insertion de l’aiguille par rapport à l’axe de la sonde et le niveau de contraste (CR). La précision de la localisation est de moins de 1 mm, quelle que soit la direction d’insertion de l’aiguille. Ce n’est que lorsque le CR est très faible que la méthode proposée peut échouer dans le suivi d’une structure incomplète de l’aiguille. Une autre méthode, utilisant l’algorithme RANSAC avec apprentissage automatique a été proposée. Cette méthode vise à classer les voxels en se basant non seulement sur l’intensité, mais aussi sur les caractéristiques de la structure de l’aiguille de biopsie. Les résultats des simulations montrent que l’algorithme RANSAC avec apprentissage automatique peut séparer les voxels de l’aiguille et les voxels de tissu de fond avec un CR faible. / In medical examinations and surgeries, minimally invasive technologies are getting used more and more often. Some specially designed surgical instruments, like biopsy needles, or electrodes are operated by radiologists or robotic systems and inserted in human’s body for extracting cell samples or delivering radiation therapy. To reduce the risk of tissue injury and facilitate the visual tracking, some medical vision assistance systems, as for example, ultrasound (US) systems can be used during the surgical procedure. We have proposed to use the 3D US to facilitate the visualization of the biopsy needle, however, due to the strong speckle noise of US images and the large calculation load involved as soon as 3D data are involved, it is a challenge to locate the biopsy needle accurately and to track its position in real time in 3D US. In order to solve the two main problems above, we propose a method based on the RANSAC algorithm and Kalman filter. In this method, a region of interest (ROI) has been limited to robustly localize and track the position of the biopsy needle in real time. The ROI-RK method consists of two steps: the initialization step and the tracking step. In the first step, a ROI initialization strategy using Hessian based line filter measurement is implemented. This step can efficiently reduce the speckle noise of the ultrasound volume, and enhance line-like structures as biopsy needles. In the second step, after the ROI is initialized, a tracking loop begins. The RK algorithm can robustly localize and track the biopsy needles in a dynamic situation. The RANSAC algorithm is used to estimate the position of the micro-tools and the Kalman filter helps to update the ROI and auto-correct the needle localization result. Because the ROI-RK method is involved in a dynamic situation, a motion estimation strategy is also implemented to estimate the insertion speed of the biopsy needle. 3D US volumes with inhomogeneous background have been simulated to evaluate the performance of the ROI-RK method. The method has been tested under different conditions, such as insertion orientations angles, and contrast ratio (CR). The localization accuracy is within 1 mm no matter what the insertion direction is. Only when the CR is very low, the proposed method could fail to track because of an incomplete ultrasound imaging of the needle. Another methodology, i.e. RANSAC with machine learning (ML) algorithm has been presented. This method aims at classifying the voxels not only depending on their intensities, but also using some structure features of the biopsy needle. The simulation results show that the RANSAC with ML algorithm can separate the needle voxels and background tissue voxels with low CR.

Ce travail de thèse est axé sur le domaine du traitement d’images biomédicales. L’objectif de notre étude est l’estimation des paramètres traduisant les propriétés mécaniques de l’artère carotide in vivo en imagerie échographique, dans une optique de détection précoce des pathologies cardiovasculaires. L’étude des comportements dynamiques de l’artère pour le dépistage précoce de l’athérosclérose constitue à ce jour une piste privilégiée. Cependant, malgré les avancées récentes, l’estimation du mouvement de la paroi carotidienne reste toujours difficile, notamment dans la direction longitudinale (direction parallèle au vaisseau). L’élaboration d’une méthode innovante permettant d’étudier le mouvement de la paroi carotidienne constitue la principale motivation de ce travail de thèse. Les trois contributions principales proposées dans ce travail sont i) le développement, la validation, et l’évaluation clinique d’une méthode originale d’estimation de mouvement 2D adaptée au mouvement de la paroi carotidienne, ii) la validation en simulation, et expérimentale de l’extension à la 3D de la méthode d’estimation proposée, et iii) l’évaluation expérimentale de la méthode proposée, en imagerie ultrasonore ultra-rapide, dans le cadre de l’estimation locale de la vitesse de l’onde de pouls. Nous proposons une méthode d’estimation de mouvement combinant un marquage ultrasonore dans la direction latérale, et un estimateur de mouvement basé sur la phase des images ultrasonores. Le marquage ultrasonore est réalisé par l’intermédiaire d’oscillations transverses. Nous proposons deux approches différentes pour introduire ces oscillations transverses, une approche classique utilisant une fonction de pondération spécifique, et une approche originale par filtrage permettant de contrôler de manière optimale leurs formations. L’estimateur de mouvement proposé utilise les phases analytiques des images radiofréquences, extraites par l’approche de Hahn. Ce travail de thèse montre que la méthode proposée permet une estimation de mouvement plus précise dans la direction longitudinale, et plus généralement dans les directions perpendiculaires au faisceau ultrasonore, que celle obtenue avec d’autres méthodes plus traditionnelles. De plus, l’évaluation expérimentale de la méthode sur des séquences d’images ultrasonores ultra-rapides issues de fantômes de carotide, a permis l’estimation locale de la vitesse de propagation de l’onde de pouls, la mise en évidence de la propagation d’un mouvement longitudinal et enfin l’estimation du module de Young des vaisseaux. / This work focuses on the processing of biomedical images. The aim of our study is to estimate the mechanical properties of the carotid artery in vivo using ultrasound imaging, in order to detect cardiovascular diseases at an early stage. Over the last decade, researchers have shown interest in studying artery wall motion, especially the motion of the carotid intima-media complex in order to demonstrate its significance as a marker of Atherosclerosis. However, despite recent progress, motion estimation of the carotid wall is still difficult, particularly in the longitudinal direction (direction parallel to the probe). The development of an innovative method for studying the movement of the carotid artery wall is the main motivation of this thesis. The three main contributions proposed in this work are i) the development, the validation, and the clinical evaluation of a novel method for 2D motion estimation of the carotid wall, ii) the development, the simulation and the experimental validation of the 3D extension of the estimation method proposed, and iii) the experimental evaluation of the 2D proposed method in ultra-fast imaging, for the estimation of the local pulse wave velocity. We propose a motion estimation method combining tagging of the ultrasound images, and a motion estimator based on the phase of the ultrasound images. The ultrasonic tagging is produced by means of transverse oscillations. We present two different approaches to introduce these transverses oscillations, a classic approach using a specific apodization function and a new approach based on filtering. The proposed motion estimator uses the 2D analytical phase of RF images using the Hahn approach. This thesis work shows that, compared with conventional methods, the proposed approach provides more accurate motion estimation in the longitudinal direction, and more generally in directions perpendicular to the beam axis. Also, the experimental evaluation of our method on ultra-fast images sequences from carotid phantom was used to validate our method regarding the estimation of the pulse wave velocity, the Young’s modulus of the vessels wall, and the propagation of a longitudinal movement.

Les signaux analytiques multidimensionnels nous permettent d'avoir des possibilités de calculer les phases et modules. Cependant, peu de travaux se trouvent sur les signaux analytiques multidimensionnels qui effectuent une extensibilité appropriée pour les applications à la fois sur du traitement des données médicales 2D et 3D. Cette thèse a pour objectif de proposer des nouvelles méthodes pour le traitement des images médicales 2D/3D pour les applications de détection d'enveloppe et d'estimation du mouvement. Premièrement, une représentation générale du signal quaternionique 2D est proposée dans le cadre de l'algèbre de Clifford et cette idée est étendue pour modéliser un signal analytique hypercomplexe 3D. La méthode proposée décrit que le signal analytique complexe 2D, est égal aux combinaisons du signal original et de ses transformées de Hilbert partielles et totale. Cette écriture est étendue au cas du signal analytique hypercomplexe 3D. Le résultat obtenu est que le signal analytique hypercomplexe de Clifford peut être calculé par la transformée de Fourier complexe classique. Basé sur ce signal analytique de Clifford 3D, une application de détection d'enveloppe en imagerie ultrasonore 3D est présentée. Les résultats montrent une amélioration du contraste de 7% par rapport aux méthodes de détection d'enveloppe 1D et 2D. Deuxièmement, cette thèse propose une approche basée sur deux phases spatiales du signal analytique 2D appliqué aux séquences cardiaques. En combinant l'information de ces phases des signaux analytiques de deux images successives, nous proposons un estimateur analytique pour les déplacements locaux 2D. Pour améliorer la précision de l'estimation du mouvement, un modèle bilinéaire local de déformation est utilisé dans un algorithme itératif. Cette méthode basée sur la phase permet au déplacement d'être estimé avec une précision inférieure au pixel et est robuste à la variation d'intensité des images dans le temps. Les résultats de sept séquences simulées d'imagerie par résonance magnétique (IRM) marquées montrent que notre méthode est plus précise comparée à des méthodes récentes utilisant la phase du signal monogène ou des méthodes classiques basées sur l'équation du flot optique. Les erreurs d'estimation de mouvement de la méthode proposée sont réduites d'environ 33% par rapport aux méthodes testées. En outre, les déplacements entre deux images sont cumulés en temps, pour obtenir la trajectoire d'un point du myocarde. En effet, des trajectoires ont été calculées sur deux patients présentant des infarctus. Les amplitudes des trajectoires des points du myocarde appartenant aux régions pathologiques sont clairement réduites par rapport à celles des régions normales. Les trajectoires des points du myocarde, estimées par notre approche basée sur la phase de signal analytique, sont donc un bon indicateur de la dynamique cardiaque locale. D'ailleurs, elles s'avèrent cohérentes à la déformation estimée du myocarde. / Different mathematical tools, such as multidimensional analytic signals, provide possibilities to calculate multidimensional phases and modules. However, little work can be found on multidimensional analytic signals that perform appropriate extensibility for the applications on both of the 2D and 3D medical data processing. In this thesis, based on the Hahn 1D complex analytic, we aim to proposed a multidimensional extension approach from the 2D to a new 3D hypercomplex analytic signal in the framework of Clifford algebra. With the complex/hypercomplex analytic signals, we propose new 2D/3D medical image processing methods for the application of ultrasound envelope detection and cardiac motion estimation. Firstly, a general representation of 2D quaternion signal is proposed in the framework of Clifford algebra and this idea is extended to generate 3D hypercomplex analytic signal. The proposed method describes that the complex/hypercomplex 2D analytic signals, together with 3D hypercomplex analytic signal, are equal to different combinations of the original signal and its partial and total Hilbert transforms, which means that the hypercomplex Clifford analytic signal can be calculated by the classical Fourier transform. Based on the proposed 3D Clifford analytic signal, an application of 3D ultrasound envelope detection is presented. The results show a contrast optimization of about 7% comparing with 1D and 2D envelope detection methods. Secondly, this thesis proposes an approach based on two spatial phases of the 2D analytic signal applied to cardiac sequences. By combining the information of these phases issued from analytic signals of two successive frames, we propose an analytical estimator for 2D local displacements. To improve the accuracy of the motion estimation, a local bilinear deformation model is used within an iterative estimation scheme. This phase-based method allows the displacement to be estimated with subpixel accuracy and is robust to image intensity variation in time. Results from seven realistic simulated tagged magnetic resonance imaging (MRI) sequences show that our method is more accurate compared with the state-of-the-art method. The motion estimation errors (end point error) of the proposed method are reduced by about 33% compared with that of the tested methods. In addition, the frame-to-frame displacements are further accumulated in time, to allow for the calculation of myocardial point trajectories. Indeed, from the estimated trajectories in time on two patients with infarcts, the shape of the trajectories of myocardial points belonging to pathological regions are clearly reduced in magnitude compared with the ones from normal regions. Myocardial point trajectories, estimated from our phase-based analytic signal approach, are therefore a good indicator of the local cardiac dynamics. Moreover, they are shown to be coherent with the estimated deformation of the myocardium.