Dans cette thèse, nous avons développé des outils pour simuler des imageslongitudinales réalistes de cerveau présentant de l’atrophie ou de lacroissance. Cette méthode a été spécifiquement élaborée pour simuler leseffets de la maladie d’Alzheimer sur le cerveau. Elle se fonde sur un modèle dedéformation du cerveau qui décrit les effets biomécaniques d’une perte detissue due à une carte d’atrophie prescrite. Nous avons élaboré une méthodepour interpoler et extrapoler les images longitudinales d’un patient en simulantdes images avec une carte d’atrophie spécifique au sujet. Cette méthode a étéutilisée pour interpoler des acquisitions temporelles d’Images par RésonnanceMagnétique (IRM) de 46 patients souffrant de la maladie d’Alzheimer. Pour cefaire, des cartes d’atrophie sont estimées pour chaque patient, d’après deuxacquisitions IRM temporelles distinctes. Les IRM cliniques présentent du bruitet des artefacts. De plus, les acquisitions longitudinales présentent desvariations d’intensité d’une image à l’autre. Nous avons donc élaboré uneméthode qui combine le modèle de déformation du cerveau, ainsi que lesdifférentes images cliniques disponibles d’un patient donné, afin de simuler lesvariations d’intensité des acquisitions longitudinale. Pour finir, les outils desimulation d’images réalistes développés au cours de cette thèse sont mis àdisposition en open-source. / This thesis develops a framework to simulate realistic longitudinal brainimages with atrophy (and potentially growth), particularly in the case ofAlzheimer's Disease (AD). The core component of the framework is a braindeformation model: a carefully designed biomechanics-based tissue loss modelto simulate the deformations having the prescribed atrophy. The thesispresents a method to interpolate or extrapolate longitudinal images of asubject by simulating images with subject-specific atrophy patterns. Themethod was used to simulate interpolated time-point Magnetic ResonanceImages (MRIs) of 46 AD patients by prescribing atrophy estimated for eachpatient from the available two time-point MRIs. Real MRIs have noise andimage acquisition artefacts, and real longitudinal images have variation ofintensity characteristics among the individual images. In this thesis, wepresent a method that uses our brain deformation model and different availableimages of a subject to add realistic variations of intensities in the syntheticlongitudinal images. Finally, the software developed during the thesis tosimulate realistic longitudinal brain images with our brain deformation modelis released open-source.