Plusieurs problèmes dans le placement d'endoprothèses sont dus à une compréhension pré-opératoire limitée de l'état du patient. La plupart des patients souffrent de l'arthrite rhumatoïde, ce qui affect la qualité et la forme de l'os en question: souvent la cavité glénoïde de l'omoplate s'est rétractée. Le plan de l'opération doit être planifiée à l'aide d'images Roentgen 2-D. Pendant la chirurgie, l'espace de travail de l'opération est très limité, seule la surface articulaire du scapula est exposée. Le patient est placé sur le côté, avec l'épaule endommagé pointant vers le haut, ce qui entraine un glissement vers le bas de l'omoplate. Pendant la chirurgie, la technique la plus souvent utilisée implique l'enlèvement du cartilage restant, le moulage de la forme de l'endoprothèse dans l'os trabeculaire, l'application d'une certaine quantité de ciment d'os, le placement de l'endoprothèse et l'insertion de vis pour une fixation préliminaire. D'autres préfèrent approcher l'espace d'opération du côté arrière du patient en fendant le scapula en deux. La technique préférée est de supporter l'endoprothèse sur l'os corticale et d'essayer de rétablir une position et une orientation fonctionnelles. Une prothèse faite sur mesure est donc nécessaire en plus d'une bonne vue de l'omoplate. La segmentation automatique des structures osseuses dans les bases de données agiographiques IRM est une étape préliminaire essentielle pour la plupart des tâches de visualisation et d'analyse. Afin d'obtenir une meilleure compréhension de l'épaule en santé et de l'épaule arthrosique pathologique, ce projet développera une méthode pour la segmentation des structures de l'épaule à partir de bases de données de l'IRM. Le développement de techniques convenables pour la segmentation du scapula et de l'humérus dans une base de données bidimensionnelle de l'IRM constitue une partie majeure de ce projet. Actuellement nous nous penchons sur des techniques de segmentation basées sur les contours, c'est-à-dire un point de l'os est défini d'abord. Les contours de l'os sont extraits dans une deuxième étape. / Image segmentation is an important area in the general field of image processing and computer vision. It is a fundamental part of the 'low level' aspects of computer vision and has many practical applications such as in medical imaging, industrial automation and satellite imagery. Traditional methods for image segmentation have approached the problem either from localization in class space using region information, or from localization in position, using edge or boundary information. More recently, however, attempts have been made to combine both region and boundary information in order to overcome the inherent limitations of using either approach alone. The shoulder has the widest range of motion than any joint in the body. Normally, shoulder stability is maintained through complex interaction between static and dynamic stabilizing mechanisms, including the bony glenoid, the labrum, the glenohumeral ligaments and joint capsule, and the muscles and tendons of the rotator cuff. Due to the complicated mechanisms involved in glenohumeral stability, a clinical evaluation can be very challenging. The primary motivation behind this research is to improve the accurate clinical evaluation of shoulder pathology. In this thesis, a new approach to image segmentation is presented that integrates region and boundary information. Our ultimate goal is to develop a framework for integrating boundary finding and region-based segmentation. This would lead to a System where the two modules would operate respectively so that at each step the outputs of each module get updated using information from the outputs of both the modules from the previous iteration. The main objective we present in this thesis is aimed at using the results of boundary detection to assist region-based segmentation. Unlike most of other existing methods, it integrates boundary-based segmentation with region growing rather than edge detection, thereby making it resistant to the problems of false and broken edges while at the same time having well localized boundaries. This method is successful in segmenting the set of slices of MR images of the shoulder. The experiments show that the results given by the method archive 96.32% correspondence to results given by a specialist does segment manually.