L'intervention coronarienne percutanée (ICP) est réalisée en utilisant l'imagerie radiographique en temps réel dans une suite interventionnelle. La modélisation de ces procédures ICP pour aider le praticien implique la compréhension des différentes phases de la procédure ICP, par la machine d’intervention, qui peut être utilisées pour optimiser la dose de rayons X et l'agent de contraste. Pour atteindre cet objectif, l’une des tâches importantes consiste à segmenter différents outils d’intervention dans les flux d’images fluoroscopiques et à en déduire des informations sémantiques. L’arbre des composants, un puissant outil morphologique mathématique, constitue la base des méthodes de segmentation proposées. Nous présentons ce travail en deux parties: 1) la segmentation du cathéter vide à faible contraste, et 2) la segmentation de la pointe du guide et le suivi de la détection du vaisseau d’intervention. Nous présentons une nouvelle méthode de segmentation basée sur l’espace à plusieurs échelles pour détecter des objets faiblement contrastés comme un cathéter vide. Pour la dernière partie, nous présentons la segmentation de la pointe du guide avec le filtrage basé sur l’arbre de composants et proposons un algorithme pour suivre sémantiquement la pointe segmentée pour déterminer le vaisseau d’intervention / Percutaneous coronary intervention (PCI) is performed using real-time radiographic imaging in an interventional suite. Modeling these ICP procedures to help the practitioner involves understanding the different phases of the ICP procedure, by the interventional machine, which can be used to optimize the X-ray dose and the contrast agent. One of the important tasks in achieving this goal is to segment different interventional tools into the flow of fluoroscopic images and to derive semantic information from them. The component tree, a powerful mathematical morphological tool, forms the basis of the proposed segmentation methods. We present this work in two parts: 1) the segmentation of the low-contrast empty catheter, and 2) the segmentation of the tip of the guide and the monitoring of the detection of the intervention vessel. We present a new multi-scale space-based segmentation method for detecting low-contrast objects such as an empty catheter. For the last part, we present the segmentation of the tip of the guide with filtering based on the component tree and propose an algorithm to semantically follow the segmented tip to determine the intervention vessel