L'influence des champs électromagnétiques (CEM) sur le vivant fait actuellement l'objet d'une attention particulière, en raison du développement rapide des réseaux de communication sans fil. Parmi les différentes spécialités impliquées dans cette problématique, la dosimétrie vise à évaluer l'effet thermique induit par les CEM dans les tissus biologiques. Une approche utilisée en dosimétrie consiste à simuler numériquement la propagation des ondes électromagnétiques dans des modèles numériques du corps humain, construits à partir de segmentations d'images médicales. Il existe cependant peu de modèles de la femme enceinte à l'heure actuelle. Les modèles existants sont obtenus en fusionnant des modèles de femme non gravide et des modèles de l'unité utéro-placento-fœtale. Ces derniers présentent toutefois un réalisme et des détails anatomiques limités. L'objectif de cette thèse est d'élaborer un ensemble de modèles de l'unité utéro-placento-fœtale détaillés, couvrant l'ensemble de la grossesse. Des images acquises avec des modalités complémentaires utilisées en obstétrique sont exploitées : l'échographie tri-dimensionnelle et l'IRM, au début et à la fin de la grossesse respectivement. Des méthodes de segmentation dédiées à chacune des deux modalités ont été développées. Les données ultrasonores sont ainsi segmentées avec un modèle déformable afin de partitionner l'image en deux sous-ensembles, correspondant aux tissus maternels et fœtaux et au liquide amniotique. Ce modèle comporte un terme de fidélité aux données qui intègre une modélisation statistique des distributions des intensités dans chacun des sous-ensembles. Les données IRM, dans lesquelles de nombreux organes peuvent être distingués, sont traitées avec une approche différente, qui consiste tout d'abord à caractériser la position du fœtus, en instanciant un modèle de son squelette dans les images. Ce processus est réalisé par une exploration séquentielle de l'anatomie fœtale, au cours de laquelle plusieurs structures anatomiques sont segmentées avec des méthodes incluant des informations a priori sur leur forme et leur contraste. Un modèle générique de fœtus articulé est alors recalé sur ce squelette, pour finalement segmenter l'enveloppe fœtale avec une méthode par coupure de graphe. Des modèles de l'unité-utéro-placento-fœtal sont construits à partir de ces segmentations puis intégrés dans un modèle synthétique de femme. Un ensemble de neuf modèles a été généré, qui permet d'étudier l'influence du stade de grossesse et de la position du fœtus sur la dosimétrie.

Le sujet principal de cette thèse est la segmentation 3D de tumeurs du cerveau et de leurs différentes composantes (oedème et nécrose), ainsi que de structures internes du cerveau en IRM. Pour la segmentation de tumeurs nous proposons un cadre général qui est une combinaison des paradigmes fondés sur les régions et les contours. Dans ce cadre, nous segmentons d'abord le cerveau en utilisant une méthode adaptée aux cas pathologiques et extrayons des informations globales sur la tumeur par analyse de symétrie. La deuxième étape segmente la tumeur et ses composantes. Pour cela, nous proposons une méthode nouvelle et originale qui combine l'information de régions et de contours en deux phases. Pour la première, l'initialisation, nous présentons deux nouvelles méthodes. La première est une nouvelle méthode de classification floue qui exploite à la fois l'information des voxels et leurs voisinages (inspirés des champs Markov (MRF)), l'appartenance et la typicalité. La seconde se fonde sur l'analyse de la symétrie. La segmentation initiale de la tumeur est raffinée dans la deuxième phase par un modèle déformable contraint par des relations spatiales. Les relations spatiales sont obtenues en utilisant la segmentation initiale et les tissus environnant la tumeur. La méthode proposée peut être employée pour une grande classe de tumeurs dans n'importe quelle modalité en IRM. Pour segmenter une tumeur et ses composantes automatiquement, le cadre proposé a besoin seulement d'une image CE-T1w (con- trast enhanced T1-weighted) et d'une image FLAIR. Dans le cas d'une image CE-T1w seulement, l'interaction de l'utilisateur peut être nécessaire. Nous avons évalué cette méthode sur une base de données de 20 images CE-T1w et 10 images FLAIR avec différents types de tumeurs. Un autre but de cette thèse est la segmentation de structures internes du cerveau en présence d'une tumeur. Pour cela, une connaissance a priori sur l'anatomie et l'organisation spatiale des structures est fournie par une ontologie. Pour segmenter chaque structure, nous exploitons ses relations spatiales par rapport à d'autres structures, selon la connaissance a priori. Nous choisissons alors les relations spatiales qui sont valables en fonction de la tumeur segmentée. Ces relations spatiales sont alors modélisées dans un cadre flou proposé par notre groupe. Comme pour la tumeur, la procédure de segmentation de chaque structure comporte deux étapes. Dans la première étape nous recherchons la segmentation initiale de la structure dans le cerveau globalement segmenté. Le processus de recherche est fait dans la région d'intérêt fournie par la fusion des relations spatiales. Pour segmenter globalement les structures du cerveau nous employons deux méthodes. La première est la classification floue propos ée et la seconde repose sur les ensembles de niveaux multi-phases. Pour raffiner la segmentation initiale, nous employons un modèle déformable qui est contraint par les relations spatiales de la structure. Cette méthode a été également évaluée sur 10 images CE-T1w pour segmenter les ventricules, les noyaux caudés et les thalami.