L'objet de cette thèse est la modélisation computationnelle de l'Imagerie par Résonance Magnétique (IRM), appliquée à l'imagerie des réseaux vasculaires. Les images sont influencées par la géométrie des vaisseaux mais aussi par le flux sanguin. Par ailleurs, outre la qualité des modèles développés, il est important que les calculs soient performants. C'est pourquoi, le calcul parallèle est utilisé pour gérer ce type de problèmes complexes. Dans cette thèse, trois solutions sont proposées. La première concerne les algorithmes parallèles pour la modélisation des réseaux vasculaires. Des algorithmes dédiés à différentes architectures sont proposés. Le premier est basé sur le modèle de « passage de messages » pour les machines à mémoires distribuées. La parallélisation concerne l'irrigation de nouvelles zones de tissu par les vaisseaux existants. Le deuxième algorithme est dédié aux machines à mémoire partagée. Il parallélise également le processus de perfusion mais des processeurs différents se chargent de gérer les différents arbres vasculaires. Le troisième algorithme est une combinaison des approches précédentes offrant une solution pour les architectures parallèles hybrides. Les algorithmes proposés permettent d'accélérer considérablement la croissance des réseaux vasculaires complexes, ce qui rend possible la simulation de structures vasculaires plus précises, en un temps raisonnable et aide à améliorer le modèle vasculaire et à tester plus facilement différents jeux de paramètres. Une nouvelle approche de modélisation computationnelle des flux en IRM est également proposée. Elle combine le calcul de flux par la méthode de Lattice Boltzmann, la simulation IRM par le suivi temporel de magnétisations locales, ainsi qu'un nouvel algorithme de transport des magnétisations. Les résultats montrent qu'une telle approche intègre naturellement l'influence du flux dans la modélisation IRM. Contrairement aux travaux de la littérature, aucun mécanisme additionnel n'est nécessaire pour considérer les artéfacts de flux, ce qui offre une grande facilité d'extension du modèle. Les principaux avantages de cette méthode est sa faible complexité computationnelle, son implémentation efficace, qui facilitent le lancement des simulations en utilisant différents paramètres physiologiques ou paramètres d'acquisition des images. La troisième partie du travail de thèse a consisté à appliquer le modèle d'imagerie de flux à des réseaux vasculaires complexes en combinant les modèles de vaisseaux, de flux et d'acquisition IRM. Les algorithmes sont optimisés à tous les niveaux afin d'être performants sur des architectures parallèles. Les possibilités du modèle sont illustrées sur différents cas. Cette démarche de modélisation peut aider à mieux interpréter les images IRM grâce à l'intégration, dans les modèles, de connaissances variées allant de la vascularisation des organes jusqu'à la formation de l'image en passant par les propriétés des flux sanguins. / This PhD thesis concerns computer modeling of magnetic resonance imaging (MRI). The main attention is centered on imaging of vascular structures. Such imaging is influenced not only by vascular geometries but also by blood flow which has to been taken into account in modeling. Next to the question about the quality of developed models, the challenge lies also in the demand for high performance computing. Thus, in order to manage computationally complex problems, parallel computing is in use. In the thesis three solutions are proposed. The first one concerns parallel algorithms of vascular network modeling. Algorithms for different architectures are proposed. The first algorithm is based on the message passing model and thus, it is suited for distributed memory architectures. It parallelizes the process of connecting new parts of tissue to existing vascular structures. The second algorithm is designed for shared memory machines. It also parallelizes the perfusion process, but individual processors perform calculations concerning different vascular trees. The third algorithm combines message passing and shared memory approaches providing solutions for hybrid parallel architectures. Developed algorithms are able to substantially speed up the time-demanded simulations of growth of complex vascular networks. As a result, more elaborate and precise vascular structures can be simulated in a reasonable period of time. It can also help to extend the vascular model and to test multiple sets of parameters. Secondly, a new approach in computational modeling of magnetic resonance (MR) flow imaging is proposed. The approach combines the flow computation by lattice Boltzmann method, MRI simulation by following discrete local magnetizations in time and a new magnetization transport algorithm together. Results demonstrate that such an approach is able to naturally incorporate the flow influence in MRI modeling. As a result, in the proposed model, no additional mechanism (unlike in prior works) is needed to consider flow artifacts, what implies its easy extensibility. In combination with its low computational complexity and efficient implementation, the solution is a user-friendly and manageable at different levels tool which facilitates running series of simulations with different physiological and imaging parameters. The goal of the third solution is to apply the proposed MR flow imaging model on complex vascular networks. To this aim, models of vascular networks, flow behavior and MRI are combined together. In all the model components, computations are adapted to be performed at various parallel architectures. The model potential and possibilities of simulations of flow and MRI in complex vascular structures are shown. The model aims at explaining and exploring MR image formation and appearance by the combined knowledge from many processes and systems, starting from vascular geometry, through flow patterns and ending on imaging technology.