Dans le contexte de la fusion de données en imagerie médicale, cette thèse s'intéresse aux problèmes de recalage non-rigide en imagerie cérébrale, monomodalité et multimodalité. Dans un premier temps, nous avons développé une approche originale pour estimer une transformation $3D$ dense entre deux volumes IRM de deux sujets différents. Cette méthode est basée sur une estimation du flot optique, exprimé dans un cadre statistique robuste. Nous avons également proposé un schéma de minimisation efficace, à la fois multirésolution et multigrille, s'appuyant sur des contraintes anatomiques. Nous avons validé cette méthode sur des données synthétiques, puis sur une base de donnée de 18 sujets. Dans un deuxième temps, nous nous sommes intéressés au problème du recalage non-rigide multimodalité. Les images fonctionnelles IRMf, en acquisition EPI, présentent des déformations géométriques qui gênent l'interprétation des données fonctionnelles. Nous avons proposé un algorithme de recalage non-rigide multimodalité à l'aide d'une mesure de similarité adaptée, dans un cadre de minimisation multigrille. Dans un troisième temps, nous avons proposé un cadre de validation de méthodes de recalage non-rigides. 5 méthodes différentes, parmi lesquelles des approches classiques et des approches plus récentes, ont été évaluées sur la base de critères globaux (volume moyen, corrélation des Lvv, recouvrement des tissus anatomiques) et de critères locaux (recalage des sillons corticaux). Enfin, nous avons étudié des approches coopératives utilisant les processus de segmentation et de recalage. Basée sur une méthode de type ``ensemble de niveaux'', la segmentation de structures anatomiques peut être guidée par un champ grossier de déformation. Le recalage permet d'initialiser correctement les modèles déformables, entraînant une segmentation automatique, plus robuste, plus précise et considérablement plus rapide. D'autre part, la segmentation de structures anatomiques d'intérêt comme les sillons corticaux permet de contraindre le processus de recalage présenté dans la première partie. En particulier, le cadre statistique permet d'intégrer cette contrainte locale et éparse de manière naturelle. Sur la base de 18 sujets, nous avons montré l'apport de cette contrainte anatomique.

Le recalage non rigide d'images est un problème classique en vision par ordinateur qui revient à déformer une image afin qu'elle ressemble à une autre. Les techniques existantes, très nombreuses, sont généralement répertoriées selon l'information utilisée pour le recalage. D'un côté les algorithmes iconiques utilisent l'intensité des images. De l'autre, les algorithmes géométiques utilisent des amers géométriques extraits des images, comme les bords d'un objet. Dans cette thèse, nous montrons d'abord que cette classification n'est pas assez fine pour expliquer certaines différences fondamentales dans le comportement de certains algorithmes. Nous proposons de ce fait de diviser la classe des algorithmes iconiques en deux : nous distinguons d'une part les algorithmes iconiques standard, et d'autre part les algorithmes de recalage d'amers iconiques. Nous introduisons une énergie générale de recalage d'amers iconiques, puis nous développons des instances particulières de cette énergie ayant des propriétés spéciales selon l'application visée : ajout de contraintes géométriques supplémentaires, invariance au biais non uniforme, régularisation vectorielle avec des effets croisés, invariance par échange des images. Nous montrons des applications de nos algorithmes en suivi du mouvement dans des séquences échographiques tridimensionnelles, en relage intersujet de cerveaux, et en interpolation de formes et d'intensités.

En imagerie d'émission, la médecine nucléaire fournit une information fonctionnelle sur l'organe étudié. En imagerie de transmission, elle fournit une information anatomique, destinée par exemple à corriger certains facteurs de dégradation des images d'émission. Qu'il s'agisse d'une image d'émission ou de transmission, il est utile de savoir extraire de façon automatique ou semi-automatique les éléments pertinents : le ou les organes d'intérêt et le pourtour du patient lorsque le champ d'acquisition est large. Voilà le but des méthodes de segmentation. Nous avons développé deux méthodes de segmentation par contours actifs, le point crucial étant la définition de leur vitesse d'évolution. Elles ont été mises en œuvre par les ensembles de niveaux. En premier lieu, nous nous sommes intéressés à l'imagerie statique de transmission de la région thoracique. La vitesse d'évolution, définie heuristiquement, fait directement intervenir les projections acquises. La carte de transmission segmentée, obtenue ainsi sans reconstruction, doit servir à améliorer la correction de l'atténuation photonique subie par les images cardiaques d'émission. Puis nous avons étudié la segmentation des séquences cardiaques -- d'émission -- synchronisées par électrocardiogramme. La méthode de segmentation spatio-temporelle développée résulte de la minimisation d'un critère variationnel exploitant d'un bloc l'ensemble de la séquence. La segmentation obtenue doit servir au calcul de paramètres physiologiques. Nous l'avons illustré en calculant la fraction d'éjection. Pour terminer, nous avons exploité les propriétés des ensembles de niveaux afin de développer une méthode géométrique de recalage, non rigide et non paramétrique. Nous l'avons appliquée à la compensation cinétique des images des séquences cardiaques synchronisées. Les images recalées ont alors été ajoutées de sorte à produire une image dont le niveau de bruit est comparable à celui d'une image cardiaque statique sans toutefois souffrir de flou cinétique.

Cette thèse porte sur la segmentation des tumeurs du foie sur des images tomodensitométriques. Ce sujet présente un intérêt certain pour le domaine médical puisque les médecins pourraient ainsi bénéficier d'une méthode reproductible et fiable pour segmenter de telles lésions. Une segmentation précise des tumeurs du foie permettrait en effet d'aider les médecins lors de l'évaluation des lésions (détection, localisation, quantification), du choix d'un traitement, et de sa planification. Les méthodes développées dans ce cadre doivent faire face à trois principales difficultés scientifiques: (i) la grande variabilité de l'apparence et de la forme des structures recherchées, (ii) leur ressemblance avec les régions environnantes et finalement (iii) la faiblesse du rapport signal sur bruit observé dans les images dans lesquelles on travaille. Ce problème est abordé dans une optique d'application clinique et est résolu en suivant une approche en deux temps commençant par le calcul d'une enveloppe du foie, avant de segmenter les tumeurs présentes à l'intérieur de cette enveloppe. Nous commençons par proposer une approche basée sur des atlas pour le calcul d'une enveloppe des foies pathologiques. Tout d'abord, un outil de traitement d'image a été développé pour calculer une enveloppe autour d'un masque binaire, afin d'essayer d'obtenir une enveloppe du foie à partir d'une estimation du parenchyme sain. Un nouvel atlas statistique a ensuite été introduit, puis utilise pour la segmentation à travers son recalage difféomorphique avec une image. La segmentation est finalement réalisée en combinant les coûts d'appariement des images avec des a priori spatiaux et d'apparence, le tout en suivant une approche multi échelle basée sur des MRFs. La deuxième étape de notre approche porte sur la segmentation des lésions continues dans ces enveloppes en combinant des techniques d'apprentissage par ordinateur avec de méthodes basées sur des graphes. Un espace d'attributs approprié est tout d'abord défini en considérant des descripteurs de textures déterminés à travers des filtres de diverses tailles et orientations. Des méthodes avancées d'apprentissage automatique sont ensuite utilisées pour déterminer les attributs pertinents, ainsi que l'hyperplan qui sépare les voxels tumoraux des voxels correspondant à des tissus sains dans cet espace d'attributs. Pour finir, la segmentation est réalisée en minimisant une énergie sous forme de MRF, laquelle combine les probabilités d'appartenance de chaque voxel à une classe, avec celles de ses voisins. Des résultats prometteurs montrent les potentiels de notre méthode.

L'analyse quantitative de la fonction contractile myocardique constitue un enjeu majeur pour le dépistage, le traitement et le suivi des maladies cardiovasculaires, première cause de mortalité dans les pays développés. Dans ce contexte, l'Imagerie par Résonance Magnétique (IRM) s'impose comme une modalité privilégiée pour l'exploration dynamique du coeur, renseignant, d'une part, sur l'évolution des parois (ciné IRM), et permettant, d'autre part, d'accéder à des informations cinématiques au sein du myocarde (IRM de marquage). L'exploitation quantitative de ces données est néanmoins actuellement limitée par la quasi-absence de méthodologies fiables, robustes et reproductibles d'estimation de mouvement non rigide à partir de séquences d'images acquises dans cette modalité. Cette thèse se propose de démontrer que les techniques de recalage non rigide statistique constituent un cadre approprié pour l'estimation des déformations myocardiques en IRM, leur quantification à des fins diagnostiques, et leur modélisation en vue d'établir une référence numérique de normalité. <br /><br />Ses contributions concernent :<br />- l'élaboration d'une méthode robuste non supervisée d'estimation des déplacements myocardiques à partir de séquences d'IRM de marquage. Elle permet l'obtention de mesures de mouvement fiables en tout point du myocarde, à tout instant du cycle cardiaque et sous incidence de coupe arbitraire.<br />- le développement d'un outil de quantification dynamique des déformations à l'échelle du pixel et du segment myocardique, intégrant une étape de segmentation automatique du coeur par recalage d'images ciné IRM acquises conjointement aux données de marquage. Pour le coeur sain, la comparaison des mesures obtenues à des valeurs de référence issues d'une synthèse approfondie de la littérature médicale démontre une excellente corrélation. Pour des coeurs pathologiques, les expériences menées ont montré la pertinence d'une analyse quantitative multiparamétrique pour localiser et caractériser les zones atteintes.<br />- la construction d'un modèle statistique (atlas) de contraction d'un coeur sain. Cet atlas fournit des modèles quantitatifs de référence locaux et segmentaires pour les paramètres de déformation. Son intégration, en tant que modèle de mouvement, au processus de recalage des données d'IRM de marquage conduit en outre à une description très compacte des déplacements myocardiques sans perte de précision notable.

L'analyse quantitative de la perfusion myocardique, i.e. l'estimation d'indices de perfusion segmentaires puis leur confrontation à des valeurs normatives, constitue un enjeu majeur pour le dépistage, le traitement et le suivi des cardiomyopathies ischémiques --parmi les premières causes de mortalité dans les pays occidentaux. Dans la dernière décennie, l'imagerie par résonance magnétique de perfusion (IRM-p) est la modalité privilégiée pour l'exploration dynamique non-invasive de la perfusion cardiaque. L'IRM-p consiste à acquérir des séries temporelles d'images cardiaques en incidence petit-axe et à plusieurs niveaux de coupe le long du grand axe du cœur durant le transit d'un agent de contraste vasculaire dans les cavités et le muscle cardiaques. Les examens IRM-p résultants présentent de fortes variations non linéaires de contraste et des artefacts de mouvements cardio-respiratoires. Dans ces conditions, l'analyse quantitative de la perfusion myocardique est confrontée aux problèmes complexes de recalage et de segmentation de structures cardiaques non rigides dans des examens IRM-p. Cette thèse se propose d'automatiser l'analyse quantitative de la perfusion du myocarde en développant un outil d'aide au diagnostic non supervisé dédié à l'IRM de perfusion cardiaque de premier passage, comprenant quatre étapes de traitement : -1.sélection automatique d'une région d'intérêt centrée sur le cœur; -2.compensation non rigide des mouvements cardio-respiratoires sur l'intégralité de l'examen traité; -3.segmentation des contours cardiaques; -4.quantification de la perfusion myocardique. Les réponses que nous apportons aux différents défis identifiés dans chaque étape s'articulent autour d'une idée commune : exploiter l'information liée à la cinématique de transit de l'agent de contraste dans les tissus pour discriminer les structures anatomiques et guider le processus de recalage des données. Ce dernier constitue le travail central de cette thèse. Les méthodes de recalage non rigide d'images fondées sur l'optimisation de mesures d'information constituent une référence en imagerie médicale. Leur cadre d'application usuel est l'alignement de paires d'images par appariement statistique de distributions de luminance, manipulées via leurs densités de probabilité marginales et conjointes, estimées par des méthodes à noyaux. Efficaces pour des densités jointes présentant des classes individualisées ou réductibles à des mélanges simples, ces approches atteignent leurs limites pour des mélanges non-linéaires où la luminance au pixel s'avère être un attribut trop frustre pour permettre une décision statistique discriminante, et pour des données mono-modal avec variations non linéaires et multi-modal. Cette thèse introduit un modèle mathématique de recalage informationnel multi-attributs/multi-vues générique répondant aux défis identifiés: (i) alignement simultané de l'intégralité de l'examen IRM-p analysé par usage d'un atlas, naturel ou synthétique, dans lequel le cœur est immobile et en utilisant les courbes de rehaussement au pixel comme ensemble dense de primitives; et (ii) capacité à intégrer des primitives image composites, spatiales ou spatio-temporelles, de grande dimension. Ce modèle, disponible dans le cadre classique de Shannon et dans le cadre généralisé d'Ali-Silvey, est fondé sur de nouveaux estimateurs géométriques de type k plus proches voisins des mesures d'information, consistants en dimension arbitraire. Nous étudions leur optimisation variationnelle en dérivant des expressions analytiques de leurs gradients sur des espaces de transformations spatiales régulières de dimension finie et infinie, et en proposant des schémas numériques et algorithmiques de descente en gradient efficace. Ce modèle de portée générale est ensuite instancié au cadre médical ciblé, et ses performances, notamment en terme de précision et de robustesse, sont évaluées dans le cadre d'un protocole expérimental tant qualitatif que quantitatif

La fusion d’images TDM de phase artérielles et veineuses est cruciale afin d’assurer une meilleure planification chirurgicale. Cependant, le recalage non-rigide d’images abdominales est encore un challenge à cause de la respiration qui fait glisser les viscères abdominaux le long de la paroi abdominale, créant ainsi un champ de déformation discontinu. L’objectif de cette thèse est de fournir un outil de recalage précis pour les images TDM multi-phases de l’abdomen.Comme la zone de glissement dans l’abdomen est difficile à segmenter, nous avons d’abord implémenté deux outils de segmentation interactifs permettant une délinéation en 10 minutes de la paroi abdominale et du diaphragme. Pour intégrer ces zones de glissement comme a priori, nous réalisons le recalage sur de nouvelles images dans lesquelles la paroi abdominale et les viscères thoraciques ont été enlevés. Les évaluations sur des données de patient ont montré que notre approche fournit une précision d’environ 1 mm. / The fusion of arterial and venous phase CT images of the entire abdominal viscera is critical for a better diagnosis, surgi-cal planning and treatment, since these two phase images contain complementary information. However, non-rigid regis-tration of abdominal images is still a big challenge due to the breathing motion, which causes sliding motion between the abdominal viscera and the abdo-thoracic wall. The purpose of this thesis is to provide an accurate registration method for abdominal viscera between venous and arterial phase CT images.In order to remove the sliding motion effect, we decide to separate the image into big motion and less motion regions, and perform the registration on new images where abdo-thoracic wall and thoracic viscera are removed. The segmentation of these sliding interfaces is completed with our fast interactive tools within 10 minitues. Two state-of-the-art non-rigid registration algorithms are then applied on these new images and compared to registration obtained with original images. The evaluation using four abdominal organs (liver, kidney, spleen) and several vessel bifurcations shows that our approach provides a much higher accuracy within 1 mm.

Cette thèse présente des méthodes d’imagerie pour l’analyse du mouvement cardiaque afin de permettre des statistiques groupées, un diagnostic automatique et une étude longitudinale. Ceci est réalisé en combinant des méthodes d’apprentissage et de modélisation statistique. En premier lieu, une méthode automatique de segmentation du myocarde est définie. Pour ce faire, nous développons une méthode de recalage très rapide basée sur des réseaux neuronaux convolutifs qui sont entrainés à apprendre le recalage cardiaque inter-sujet. Ensuite, nous intégrons cette méthode de recalage dans une pipeline de segmentation multi-atlas. Ensuite, nous améliorons des méthodes de suivi du mouvement cardiaque afin de définir des représentations à faible dimension. Deux méthodes différentes sont développées, l’une s’appuyant sur des sous-espaces barycentriques construits sur des frames de référence de la séquence et une autre basée sur une représentation d’ordre réduit du mouvement avec des transformations polyaffine. Enfin, nous appliquons la représentation précédemment définie au problème du diagnostic et de l’analyse longitudinale. Nous montrons que ces représentations en- codent des caractéristiques pertinentes permettant le diagnostic des patients atteint d’infarct et de Tétralogie de Fallot ainsi que l’analyse de l’évolution dans le temps du mouvement cardiaque des patients atteints de cardiomyopathies ou d’obésité. Ces trois axes forment un cadre pour l’étude du mouvement cardiaque de bout en bout de l’acquisition des images médicales jusqu’à leur analyse automatique afin d’améliorer la prise de décision clinique grâce à un traitement personnalisé assisté par ordinateur. / This thesis presents image-based methods for the analysis of cardiac motion to enable group-wise statistics, automatic diagnosis and longitudinal study. This is achieved by combining advanced medical image processing with machine learning methods and statistical modelling. The first axis of this work is to define an automatic method for the segmentation of the myocardium. We develop a very-fast registration method based on convolutional neural networks that is trained to learn inter-subject heart registration. Then, we embed this registration method into a multi-atlas segmentation pipeline. The second axis of this work is focused on the improvement of cardiac motion tracking methods in order to define relevant low-dimensional representations. Two different methods are developed, one relying on Barycentric Subspaces built on ref- erences frames of the sequence, and another based on a reduced order representation of the motion from polyaffine transformations. Finally, in the last axis, we apply the previously defined representation to the problem of diagnosis and longitudinal analysis. We show that these representations encode relevant features allowing the diagnosis of infarcted patients and Tetralogy of Fallot versus controls and the analysis of the evolution through time of the cardiac motion of patients with either cardiomyopathies or obesity. These three axes form an end to end framework for the study of cardiac motion starting from the acquisition of the medical images to their automatic analysis. Such a framework could be used for diagonis and therapy planning in order to improve the clinical decision making with a more personalised computer-aided medicine.

Les techniques d'insertion d'aiguille font partie des interventions chirurgicales les plus courantes. L'efficacité de ces interventions dépend fortement de la précision du positionnement des aiguilles dans un emplacement cible à l'intérieur du corps du patient. L'objectif principal dans cette thèse est de développer un système robotique autonome, capable d'insérer une aiguille flexible dans une structure déformable le long d'une trajectoire prédéfinie. L’originalité de ce travail se trouve dans l’utilisation de simulations inverses par éléments finis (EF) dans la boucle de contrôle du robot pour prédire la déformation des structures. La particularité de ce travail est que pendant l’insertion, les modèles EF sont continuellement recalés (étape corrective) grâce à l’information extraite d’un système d’imagerie peropératoire. Cette étape permet de contrôler l’erreur des modèles par rapport aux structures réelles et ainsi éviter qu'ils divergent. Une seconde étape (étape de prédiction) permet, à partir de la position corrigée, d’anticiper le comportement de structures déformables, en se reposant uniquement sur les prédictions des modèles biomécaniques. Ceci permet ainsi d’anticiper la commande du robot pour compenser les déplacements des tissus avant même le déplacement de l’aiguille. Expérimentalement, nous avions utilisé notre approche pour contrôler un robot réel afin d'insérer une aiguille flexible dans une mousse déformable le long d'une trajectoire (virtuelle) prédéfinie. Nous avons proposé une formulation basée sur des contraintes permettant le calcul d'étapes prédictives dans l'espace de contraintes offrant ainsi un temps d'insertion total compatible avec les applications cliniques. Nous avons également proposé un système de réalité augmentée pour la chirurgie du foie ouverte. La méthode est basée sur un recalage initial semi-automatique et un algorithme de suivi peropératoire basé sur des marqueurs (3D) optiques. Nous avons démontré l'applicabilité de cette approche en salle d'opération lors d'une chirurgie de résection hépatique. Les résultats obtenus au cours de ce travail de thèse ont conduit à trois publications (deux IROS et un ICRA) dans les conférences internationales puis à un journal (Transactions on Robotics) en cours de révision. / Needle-based interventions are among the least invasive surgical approaches to access deep internal structures into organs' volumes without damaging surrounding tissues. Unlike traditional open surgery, needle-based approaches only affect a localized area around the needle, reducing this way the occurrence of traumas and risks of complications \cite{Cowan2011}. Many surgical procedures rely on needles in nowadays clinical routines (biopsies, local anesthesia, blood sampling, prostate brachytherapy, vertebroplasty ...). Radiofrequency ablation (RFA) is an example of percutaneous procedure that uses heat at the tip of a needle to destroy cancer cells. Such alternative treatments may open new solutions for unrespectable tumors or metastasis (concerns about the age of the patient, the extent or localization of the disease). However, contrary to what one may think, needle-based approaches can be an exceedingly complex intervention. Indeed, the effectiveness of the treatment is highly dependent on the accuracy of the needle positioning (about a few millimeters) which can be particularly challenging when needles are manipulated from outside the patient with intra-operative images (X-ray, fluoroscopy or ultrasound ...) offering poor visibility of internal structures. Human factors, organs' deformations, needle deflection and intraoperative imaging modalities limitations can be causes of needle misplacement and rise significantly the technical level necessary to master these surgical acts. The use of surgical robots has revolutionized the way surgeons approach minimally invasive surgery. Robots have the potential to overcome several limitations coming from the human factor: for instance by filtering operator tremors, scaling the motion of the user or adding new degrees of freedom at the tip of instruments. A rapidly growing number of surgical robots has been developed and applied to a large panel of surgical applications \cite{Troccaz2012}. Yet, an important difficulty for needle-based procedures lies in the fact that both soft tissues and needles tend to deform as the insertion proceeds in a way that cannot be described with geometrical approaches. Standard solutions address the problem of the deformation extracting a set of features from per-operative images (also called \textit{visual servoing)} and locally adjust the pose/motion of the robot to compensate for deformations \cite{Hutchinson1996}. [...]To overcome these limitations, we introduce a numerical method allowing performing inverse Finite Element simulations in real-time. We show that it can be used to control an articulated robot while considering deformations of structures during needle insertion. Our approach relies on a forward FE simulation of a needle insertion (involving complex non-linear phenomena such as friction, puncture and needle constraints).[...]

Les dunes marines sont de grandes structures sédimentaires qui, ensemble, couvrent de larges zones appelées champs de dunes. Des dunes ont été découvertes dans tous les océans, de la côte jusqu'aux talus continentaux. Leur forme et mobilité sont des témoins du lien étroit qui existe entre le transport sédimentaire, l'hydrodynamique (courants marins) et la topographie du fond. L'étude des dunes est intéressante scientifiquement parlant, mais elle est également motivée par des enjeux économiques et environnementaux. Les dunes peuvent être étudiées de deux manières : La modélisation et l'analyse de données de terrain (granulométrie, courantométrie, données sismiques, données bathymétriques). Ces deux approches sont très différentes mais complémentaires. Avec l'amélioration des données Sondeur Multi-Faisceaux (SMF), il est maintenant possible de visualiser la morphologie des dunes et de suivre leur évolution de manière plus détaillée. Plusieurs méthodes automatiques d'analyse de la morphologie et de la dynamique des dunes ont été développées pour analyser les Modèles Numériques de Terrain (MNTs) construits à partir de ces données SMF. Pourtant, aucun ne permet d'estimer les valeurs de descripteurs morphologiques et dynamiques pour chaque dune. L'analyse et l'évaluation de ces descripteurs restent régionales avec le découpage des MNTs en régions rectangulaires. Seul un traitement manuel permet d'estimer ces descripteurs pour chaque dune. L'objectif de cette thèse est de développer des algorithmes automatiques permettant de quanti er la morphologie et la dynamique de chaque dune. Pour ce faire, une représentation des données SMF sous forme d'une tessellation triangulaire a été préférée au classique MNT régulier. Tout d'abord, les dunes doivent être extraites de la topographie du fond marin. Un algorithme par accroissement de régions avec adaptation de l'échelle d'analyse, issu de la géomorphométrie est proposé. Les crêtes de dunes sont d'abord extraites en combinant un algorithme de simplification de tessellations avec un algorithme d'extraction de lignes de crête. La résolution de la tessellation est adaptée par l'algorithme de simplification afin de faciliter l'extraction des lignes de crête. Les lignes de crête sont des objets bien définis en géométrie différentielle. Leur extraction s'appuie sur l'interprétation de cette définition appliquée à des modèles discrets du fond (tessellations). Les crêtes servent d'embryons à l'algorithme d'extraction des dunes. L'estimation des paramètres morphologiques des dunes (longueur, largeur, hauteur, etc.) découle de l'extraction automatique des dunes. L'utilisation d'une méthode de recalage non rigide (isométrique) pour la quantification de la dynamique est discutée. Des tessellations représentant la topographie d'un même champ de dunes à différents moments sont analysées par l'algorithme d'extraction des dunes. Ensuite, une dune est associée à une dune d'une autre tessellation qui lui correspond (même dune à un autre instant). La dynamique de chaque dune est quantifiée à partir des résultats de l'algorithme de recalage : les transformations permettant d'aligner différentes représentations d'une dune. / Marine dunes are large sedimentary mounds often organized in dunefields. Theyhave been discovered in oceans all around the globe, from continental rises to nearshore areas. These mobile seafloor structures reflect the unique and complex relationship between the sediment, the seafloor topography and the hydrodynamics (currents). Dunes are not only interesting at a scientific level. In fact, their study is also motivated by economic, safety and environmental reasons. The study of dunes can be divided into two complementary approaches: Modelling and analysis of in situ data (granulometry, current, bathymetric data).The increased quality of MultiBeam EchoSounder (MBES) data allows scientists to monitor and visualize the complexity of, both, dune morphology and dynamics. Au-tomatic methods to characterize dune morphology and dynamics using Digital TerrainModels (DTMs) have already been proposed. But, none does it at the dune scale. Mor-phological and dynamical descriptors are estimated for patches of the dunefield. Today, the evaluation of such descriptors for each dune can only be achieved manually.The objective of this thesis is to design automatic algorithms for the quantification of dune morphology and dynamics. A representation of MBES data as triangular meshes has been preferred to the usual gridded DTMs. The first stage consists of delineating dunes in the seafloor. A scale adaptative, region growing algorithm based on geomorphometry is proposed. The combination of mesh implification and crest extraction algorithms enables to accurately recover dune crest lines. The mesh simplification facilitates the crest extraction by adapting the mesh resolution. Crest extraction is based on the discrete interpretation of the definition of crest lines in differential geometry. The crests are, then, used as seed regions by the dune extraction algorithm.