La segmentation des structures vasculaires dans les images médicales est une étape complexe mais fondamentale pour l'aide au diagnostic et au traitement. Dans ce contexte, les techniques de traitement d'images facilitent la tâche des experts médicaux en minimisant les interactions manuelles tout en réduisant la variabilité inter-opérateurs. Nous présentons tout d'abord un état de l'art des méthodes de segmentation vasculaire 3D organisé suivant trois axes: modèles géométriques et d'apparence, primitives extraites des images et schémas d'extraction. Nos travaux se focalisent sur une problématique particulièrement complexe, la segmentation des artères coronaires en imagerie tomodensitométrique 3D. Nous proposons un modèle géométrique axial, évalué dans l'image grâce à une primitive fondée sur le flux de gradient à fort pouvoir discriminant et faible coût calculatoire. Nous dérivons ensuite un modèle bayésien récursif appris de façon non paramétrique sur une base de segmentations manuelles. Nous proposons enfin deux schémas d'extraction. Le premier met en œuvre une procédure d'optimisation discrète sur graphe fondée sur la propagation de chemins minimaux 4D (position spatiale 3D de l'axe vasculaire plus rayon associé). Il exploite une nouvelle métrique cumulative dérivée de notre modèle bayésien. Notre deuxième schéma repose sur une approche de suivi stochastique par méthode de Monte-Carlo séquentielle estimant la distribution a posteriori de notre modèle bayésien. Une attention particulière est donnée à la robustesse et l'efficacité calculatoire de nos algorithmes. Ceux-ci sont évalués qualitativement et quantitativement sur une base de données cliniques de grande taille.

Dans cette these nous nous interessons a l'utilisation des méthodes de chemins minimaux et des méthodes de contours actifs par Ensembles de Niveaux, pour l'extraction de courbes et de surfaces dans des images medicales 3D. Dans un premier temps, nous nous sommes attaches a proposer un éventail varié de techniques d'extraction de chemins minimaux dans des images 2D et 3D, basees sur la résolution de l'équation Eikonal par l'algorithme du Fast Marching. Nous avons montre des resultats de ces techniques appliquees a des problèmes d'imagerie médicale concrets, notamment en construction de trajectoires 3D pour l'endoscopie virtuelle, et en segmentation interactive, avec possibilité d'apprentissage. Dans un deuxieme temps, nous nous sommes interessés a l'extraction de surfaces. Nous avons developpé un algorithme rapide de pré-segmentation, sur la base du formalisme des chemins minimaux. Nous avons étudié en détail la mise en place d'une collaboration entre cette méthode et celle des Ensembles de Niveaux, dont un des avantages communs est de ne pas avoir d'a priori sur la topologie de l'objet a segmenter. Cette méthode collaborative a ensuite ete testée sur des problèmes de segmentation et de visualisation de pathologies telles que les anevrismes cerebraux et les polypes du colon. Dans un troisième temps nous avons fusionné les résultats des deux premières parties pour obtenir l'extraction de surfaces, et des squelettes d'objets anatomiques tubulaires. Les squelettes des surfaces fournissent des trajectoires que nous utilisons pour déplacer des cameras virtuelles, et nous servent a definir les sections des objets lorsque nous voulons mesurer l'étendue d'une pathologie. La dernière partie regroupe des applications de ces méthodes a l'extraction de structures arborescentes. Nous étudions le cas des arbres vasculaires dans des images médicales 3D de produit de contraste, ainsi que le problème plus difficile de l'extraction de l'arbre bronchique sur des images scanners des poumons.

Le Doppler ultrasensible est une nouvelle technique d'imagerie ultrasonore permettant d'observer les flux sanguins avec une résolution très fine et sans agent de contraste. Appliquée à l'imagerie microvasculaire cérébrale des rongeurs, cette méthode produit de très fines cartes vasculaires 3D du cerveau à haute résolution spatiale. Ces réseaux vasculaires contiennent des structures tubulaires caractéristiques qui pourraient servir de points de repère pour localiser la position de la sonde ultrasonore et tirer parti des avantages pratiques des appareils à ultrason. Ainsi, nous avons développé un premier système de neuronavigation chez les rongeurs basé sur le recalage automatique d'images cérébrales. En utilisant des méthodes d’extraction de chemins minimaux, nous avons développé une nouvelle méthode isotrope de segmentation pour l’analyse géométrique des réseaux vasculaires en 3D. Cette méthode a été appliquée à la quantification des réseaux vasculaires et a permis le développement d'algorithmes de recalage de nuages de points pour le suivi temporel de tumeurs. / Ultrasensitive Doppler is a new ultrasound imaging technique allowing the observation of blood flows with a very fine resolution and no contrast agent. Applied to cerebral microvascular imaging in rodents, this method produces very fine vascular 3D maps of the brain at high spatial resolution. These vascular networks contain characteristic tubular structures that could be used as landmarks to localize the position of the ultrasonic probe and take advantage of the easy-to-use properties of ultrasound devices such as low cost and portability. Thus, we developed a first neuronavigation system in rodents based on automatic registration of brain images. Using minimal path extraction methods, we developed a new isotropic segmentation framework for 3D geometric analysis of vascular networks (extraction of centrelines, diameters, curvatures, bifurcations). This framework was applied to quantify brain and tumor vascular networks, and finally leads to the development of point cloud registration algorithms for temporal monitoring of tumors.