Ma thèse porte sur la relation entre la microstructure des tissus et le signal macroscopique d'imagerie par résonance magnétique de diffusion (IRMd). Les estimations des paramètres de tissus provenant de signaux mesurées expérimentalement est très important dans l'IRMd. En dépit d'une histoire de la recherche intensive dans ce domaine depuis longtemps, de nombreux aspects de ce problème inverse restent mal compris. Nous avons proposé et testé une solution approchée à ce problème, dans lequel le signal d'IRMd est d'abord approché par un modèle macroscopique appropriée, puis le paramètres effectifs de ce modèle sont estimés.Nous avons étudié deux modèles macroscopiques du signal d'IRMd. Le premier est le modèle Karger qui suppose une certaine forme de (macroscopique) diffusion de compartiments multiples et les échanges inter-compartiment, mais est soumis à la restriction d'impulsion étroite sur les impulsions de gradient de champ magnétique diffusion codant. Le deuxième est un modèle ODE de plusieurs aimantations compartiment obtenus à partir de l'homogénéisation mathématique de l'équation de Bloch-Torrey, qui n'est pas soumis à la restriction d'impulsion étroite.Tout d'abord, nous avons étudié la validité de ces modèles macroscopiques en comparant le signal d'IRMd proposée par le modèle Karger et le modèle ODE avec le signal d'IRMd de diffusion simulé sur certaines geometries de tissu relativement complexes en résolvant l'équation de Bloch-Torrey en cas de membranes semi-perméables cellule biologique. Nous avons conclu que la validité de ces deux modèles macroscopiques est limitée au cas où la diffusion dans chaque compartiment est effectivement gaussien et où l'échange inter-compartimentale peut être représenté par des termes cinétiques de premier ordre standard.Deuxièmement, en supposant que les conditions ci-dessus sur la diffusion compartimentale et l'échange inter-compartiment sont satisfaits, nous avons résolu le problème des moindres carrés associée à monter les paramètres du modèle Karger et du modèle ODE au signal simulé d'IRMd obtenu en résolvant l'équation de Bloch-Torrey microscopique. Parmi divers paramètres efficaces, nous avons examiné les fractions volumiques des compartiments intra-cellulaires et extra-cellulaires, la perméabilité de la membrane, la taille moyenne des cellules, la distance inter-cellulaire, ainsi que des coefficients de diffusion apparents. Nous avons commencé par étudier la faisabilité de la méthod des moindres carrés pour les deux groupes de geometries de tissu relativement simples. Pour le premier groupe, dans lequel les domaines sont constitués de cellules identiques ou sphériques de taille variable noyées dans l'espace extra-cellulaire, nous avons conclu que problème d'estimation de paramètres peut être résolu robuste, même en présence de bruit. Dans le second groupe, on a considéré les cellules cylindriques parallèles, qui peuvent être couverts par une couche de membrane d'épaisseur, et noyés dans l'espace extra-cellulaire. Dans ce cas, la qualité de l'estimation des paramètres dépendant fortement de la quantité de la structure cellulaire est allongée dans la direction du gradient. Dans la pratique, l'orientation des cellules allongées n'est pas de priori connue, de plus, les tissus biologiques peuvent contenir des structures allongées orientées de manière aléatoire et également en mélange avec d'autres éléments compacts (par exemple, les axones et les cellules gliales). Cette situation a été étudiée numériquement sur notre domaine le plus complexe dans lequel les couches de cellules cylindriques dans différentes directions sont mélangés avec des couches de cellules sphériques. Nous avons vérifié que certains paramètres peuvent encore être estimés assez fidèlement tandis que l'autre reste inaccessible. Dans tous les cas considérés, le modèle ODE a fourni des estimations plus précises que le modèle Karger. / My thesis focused on the relationship between the tissue microstructure and the macroscopic dMRI signal. Inferring tissue parameters from experimentally measured signals is very important in diffusion MRI. In spite of a long standing history of intensive research in this field, many aspects of this inverse problem remain poorly understood. We proposed and tested an approximate solution to this problem, in which the dMRI signal is first approximated by an appropriate macrosopic model and then the effective parameters of this model are estimated.We investigated two macroscopic models of the dMRI signal. The first is the Kärger model that assumes a certain form of (macroscopic) multiple compartmental diffusion and intercompartment exchange, but is subject to the narrow pulse restriction on the diffusion-encoding magnetic field gradient pulses. The second is an ODE model of the multiple compartment magnetizations obtained from mathematical homogenization of the Bloch-Torrey equation, that is not subject to the narrow pulse restriction.First, we investigated the validity of these macroscopic models by comparing the dMRI signal given by the Kärger and the ODE models with the dMRI signal simulated on some relatively complex tissue geometries by solving the Bloch-Torrey equation in case of semi-permeable biological cell membranes. We concluded that the validity of both macroscopic models is limited to the case where diffusion in each compartment is effectively Gaussian and where the inter-compartmental exchange can be accounted for by standard first-order kinetic terms.Second, assuming that the above conditions on the compartmental diffusion and intercompartment exchange are satisfied, we solved the least squares problem associated with fitting the Kärger and the ODE model parameters to the simulated dMRI signal obtained by solving the microscopic Bloch-Torrey equation. Among various effective parameters, we considered the volume fractions of the intra-cellular and extra-cellular compartments, membrane permeability, average size of cells, inter-cellular distance, as well as apparent diffusion coefficients. We started by studying the feasibility of the least squares solution for two groups of relatively simple tissue geometries. For the first group, in which domains consist of identical or variably-sized spherical cells embedded in the extra-cellular space, we concluded that parameters estimation problem can be robustly solved, even in the presence of noise. In the second group, we considered parallel cylindrical cells, which may be covered by a thick membrane layer, and embedded in the extra-cellular space. In this case, the quality of parameter estimation strongly depends on how much the cellular structure is elongated in the gradient direction. In practice, the orientation of elongated cells is not known a priori; moreover, biological tissues may contain elongated structures randomly oriented and also mixed with other compact elements (e.g., axons and glial cells). This situation has been numerically investigated on our most complicated domain in which layers of cylindrical cells in various directions are mixed with layers of spherical cells. We checked that certain parameters can still be estimated rather accurately while the other remains inaccessible. In all considered cases, the ODE model provided more accurate estimates than the Kärger model.