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 imageurs des hôpitaux produisent de plus en plus d'images 3D et il y a un nombre croissant d'études de cohortes. Afin d'ouvrir la voie à des méthodes utilisant de larges bases de données, il est nécessaire de développer des approches permettant de rendre ces bases cohérentes en recalant les images. Les principales méthodes actuelles de recalage de groupes utilisent des données denses (voxels) et sélectionnent une référence pour mettre en correspondance l'ensemble des images. Nous proposons une approche de recalage par groupes, sans image de référence, en utilisant seulement des points d'intérêt (Surf3D), applicable à des bases de plusieurs centaines d'images médicales. Nous formulons un problème global fondé sur l'appariement de points d'intérêt. La variabilité inter-individu étant grande, le taux de faux positifs (paires aberrantes) peut être très important (70\%). Une attention particulière est portée sur l'élimination des appariements erronés. Une première contribution effectue le recalage rigide de groupes d'images. Nous calculons les recalages de toutes les paires d'images. En s'appuyant sur le graphe complet de ces recalages, nous formulons le problème global en utilisant l'opérateur laplacien. Des expérimentations avec 400 images scanner CT 3D hétérogènes illustrent la robustesse de notre méthode et sa vitesse d'exécution. Une seconde contribution calcule le recalage déformable de groupes d'images. Nous utilisons des demi-transformations, paramétrées par des pyramides de B-splines, entre chaque image et un espace commun. Des comparaisons sur un jeu de données de référence montrent que notre approche est compétitive avec la littérature tout en étant beaucoup plus rapide. Ces résultats montrent le potentiel des approches basées sur des points d'intérêt pour la mise en correspondance de grandes bases d'images. Nous illustrons les perspectives de notre approche par deux applications : la segmentation multi-atlas et l'anthropologie. / The ever-increasing amount of medical images stored in hospitals offers a great opportunity for big data analysis. In order to pave the way for huge image groups screening, we need to develop methods able to make images databases consistent by group registering those images. Currently, group registration methods generally use dense, voxel-based, representations for images and often pick a reference to register images. We propose a group registration framework, without reference image, by using only interest points (Surf3D), able to register hundreds of medical images. We formulate a global problem based on interest point matching. The inter-patient variability is high, and the outliers ratio can be large (70\%). We pay a particular attention on inhibiting outliers contribution. Our first contribution is a two-step rigid groupwise registration. In the first step, we compute the pairwise rigid registration of each image pair. In a second step, a complete graph of those registrations allows us to formulate a global problem using the laplacian operator. We show experimental results for groups of up to 400 CT-scanner 3D heterogeneous images highlighting the robustness and speed of our approach. In our second contribution, we compute a non-rigid groupwise registration. Our approach involves half-transforms, parametrized by a b-spline pyramid, between each image and a common space. A reference dataset shows that our algorithm provides competitive results while being much faster than previous methods. Those results show the potential of our interest point based registration method for huge datasets of 3D medical images. We also provide to promising perspectives: multi-atlas based segmentation and anthropology.

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.

Content Based Image Retrieval (CBIR) is an important research area in the field of multimedia information retrieval. The application of CBIR in the medical domain has been attempted before, however the use of CBIR in medical diagnostics is a daunting task. The goal of diagnostic medical image retrieval is to provide diagnostic support by displaying relevant past cases, along with proven pathologies as ground truths. Moreover, medical image retrieval can be extremely useful as a training tool for medical students and residents, follow-up studies, and for research purposes. Despite the presence of an impressive amount of research in the area of CBIR, its acceptance for mainstream and practical applications is quite limited. The research in CBIR has mostly been conducted as an academic pursuit, rather than for providing the solution to a need. For example, many researchers proposed CBIR systems where the image database consists of images belonging to a heterogeneous mixture of man-made objects and natural scenes while ignoring the practical uses of such systems. Furthermore, the intended use of CBIR systems is important in addressing the problem of "Semantic Gap". Indeed, the requirements for the semantics in an image retrieval system for pathological applications are quite different from those intended for training and education. Moreover, many researchers have underestimated the level of accuracy required for a useful and practical image retrieval system. The human eye is extremely dexterous and efficient in visual information processing; consequently, CBIR systems should be highly precise in image retrieval so as to be useful to human users. Unsurprisingly, due to these and other reasons, most of the proposed systems have not found useful real world applications. In this dissertation, an attempt is made to address the challenging problem of developing a retrieval system for medical diagnostics applications. More specifically, a system for semantic retrieval of Magnetic Resonance (MR) images in 3D brain volumes is proposed. The proposed retrieval system has a potential to be useful for clinical experts where the human eye may fail. Previously proposed systems used imprecise segmentation and feature extraction techniques, which are not suitable for precise matching requirements of the image retrieval in this application domain. This dissertation uses multiscale representation for image retrieval, which is robust against noise and MR inhomogeneity. In order to achieve a higher degree of accuracy in the presence of misalignments, an image registration based retrieval framework is developed. Additionally, to speed-up the retrieval system, a fast discrete wavelet based feature space is proposed. Further improvement in speed is achieved by semantically classifying of the human brain into various "Semantic Regions", using an SVM based machine learning approach. A novel and fast identification system is proposed for identifying a 3D volume given a 2D image slice. To this end, we used SVM output probabilities for ranking and identification of patient volumes. The proposed retrieval systems are tested not only for noise conditions but also for healthy and abnormal cases, resulting in promising retrieval performance with respect to multi-modality, accuracy, speed and robustness. This dissertation furnishes medical practitioners with a valuable set of tools for semantic retrieval of 2D images, where the human eye may fail. Specifically, the proposed retrieval algorithms provide medical practitioners with the ability to retrieve 2D MR brain images accurately and monitor the disease progression in various lobes of the human brain, with the capability to monitor the disease progression in multiple patients simultaneously. Additionally, the proposed semantic classification scheme can be extremely useful for semantic based categorization, clustering and annotation of images in MR brain databases. This research framework may evolve in a natural progression towards developing more powerful and robust retrieval systems. It also provides a foundation to researchers in semantic based retrieval systems on how to expand existing toolsets for solving retrieval problems.

Content Based Image Retrieval (CBIR) is an important research area in the field of multimedia information retrieval. The application of CBIR in the medical domain has been attempted before, however the use of CBIR in medical diagnostics is a daunting task. The goal of diagnostic medical image retrieval is to provide diagnostic support by displaying relevant past cases, along with proven pathologies as ground truths. Moreover, medical image retrieval can be extremely useful as a training tool for medical students and residents, follow-up studies, and for research purposes. Despite the presence of an impressive amount of research in the area of CBIR, its acceptance for mainstream and practical applications is quite limited. The research in CBIR has mostly been conducted as an academic pursuit, rather than for providing the solution to a need. For example, many researchers proposed CBIR systems where the image database consists of images belonging to a heterogeneous mixture of man-made objects and natural scenes while ignoring the practical uses of such systems. Furthermore, the intended use of CBIR systems is important in addressing the problem of "Semantic Gap". Indeed, the requirements for the semantics in an image retrieval system for pathological applications are quite different from those intended for training and education. Moreover, many researchers have underestimated the level of accuracy required for a useful and practical image retrieval system. The human eye is extremely dexterous and efficient in visual information processing; consequently, CBIR systems should be highly precise in image retrieval so as to be useful to human users. Unsurprisingly, due to these and other reasons, most of the proposed systems have not found useful real world applications. In this dissertation, an attempt is made to address the challenging problem of developing a retrieval system for medical diagnostics applications. More specifically, a system for semantic retrieval of Magnetic Resonance (MR) images in 3D brain volumes is proposed. The proposed retrieval system has a potential to be useful for clinical experts where the human eye may fail. Previously proposed systems used imprecise segmentation and feature extraction techniques, which are not suitable for precise matching requirements of the image retrieval in this application domain. This dissertation uses multiscale representation for image retrieval, which is robust against noise and MR inhomogeneity. In order to achieve a higher degree of accuracy in the presence of misalignments, an image registration based retrieval framework is developed. Additionally, to speed-up the retrieval system, a fast discrete wavelet based feature space is proposed. Further improvement in speed is achieved by semantically classifying of the human brain into various "Semantic Regions", using an SVM based machine learning approach. A novel and fast identification system is proposed for identifying a 3D volume given a 2D image slice. To this end, we used SVM output probabilities for ranking and identification of patient volumes. The proposed retrieval systems are tested not only for noise conditions but also for healthy and abnormal cases, resulting in promising retrieval performance with respect to multi-modality, accuracy, speed and robustness. This dissertation furnishes medical practitioners with a valuable set of tools for semantic retrieval of 2D images, where the human eye may fail. Specifically, the proposed retrieval algorithms provide medical practitioners with the ability to retrieve 2D MR brain images accurately and monitor the disease progression in various lobes of the human brain, with the capability to monitor the disease progression in multiple patients simultaneously. Additionally, the proposed semantic classification scheme can be extremely useful for semantic based categorization, clustering and annotation of images in MR brain databases. This research framework may evolve in a natural progression towards developing more powerful and robust retrieval systems. It also provides a foundation to researchers in semantic based retrieval systems on how to expand existing toolsets for solving retrieval problems.

Pour comprendre et diagnostiquer des pathologies telles que l'ostéoporose, qui est un problème majeur de santé publique et, est un facteur de risque important de fractures notamment la Fracture de l'Extrémité Supérieure du Fémur (FESF), il est essentiel d’aborder ces problématiques en trois dimensions (3D) pour fournir au praticien un outil de diagnostic et de dépistage du risque fracturaire. De plus, la visualisation en 3D de l'anatomie joue un rôle important dans le domaine de la chirurgie orthopédique guidée (assistée par ordinateur). En préopératoire, pour la planification chirurgicale ou la conception de prothèses sur mesure, en per opératoire, pour assister le chirurgien durant l'acte chirurgical et enfin en postopératoire pour le suivi. La reconstruction de modèles anatomiques en 3D peut être réalisée par l'utilisation de techniques d'imagerie 3D directes telles que la tomodensitométrie. Cependant, l'utilisation d'une telle imagerie est limitée à des procédures complexes en raison des contraintes imposées par le coût, la disponibilité et les risques de radiation pour le patient. Ainsi, l'alternative à ce type d'imagerie 3D est de développer des méthodes de reconstruction 3D qui s'appuient uniquement sur quelques radiographies 2D. L'objectif principal de cette thèse est de proposer une technique permettant de reconstruire de façon automatique une surface 3D du fémur proximal à partir d'un nombre restreint de radiographies. Les études précédentes sur la reconstruction de surface ont généralement besoin de connaissances supplémentaires comme l'utilisation d'un modèle générique ou statistique 3D de la forme à reconstruire. La méthode décrite dans cette thèse nécessite seulement les coordonnées 3D de points calculées à partir de quelques paires de clichés radiographiques. Deux approches sont proposées. La première méthode repose sur la mise en correspondance de contours extraits de paires de radiographies et sur un modèle mathématique basé sur le principe de la stéréovision pour le calcul d'un nuage de points 3D. La deuxième technique utilise les résultats de l’approche précédente ainsi que des points extraits d’un autre fémur pour améliorer la précision au niveau de certaines régions sensibles choisies par l’opérateur. La reconstruction du modèle surfacique à partir des nuages de points obtenus par les deux techniques est obtenue par un maillage basé sur l'équation de Poisson. Un recalage 3D/3D est effectué entre le nuage de points calculé et le nuage de points extrait du modèle générique connu ("Gold Standard" obtenu avec des coupes CT-Scan) du même fémur proximal afin de pouvoir comparer la surface reconstruite à un modèle "vérité terrain" et ainsi estimer la précision de la méthode. / To understand and diagnose pathologies such as osteoporosis, which is considered as a major public health issue and, an important risk factor of fractures in particular the proximal femur fracture. The classical tools of diagnosis are mainly based on the analysis of X-rays photographs. These techniques have shown many limitations to carry out the key information for the physician. Through the last decade the 3D visualization of anatomy demonstrated the effectiveness for analysis and diagnosis, particularly for the guided orthopedic surgery (computer aided). In preoperative, for the surgical planning or the design of prostheses, in per operative, to assist the surgeon during the surgical act and finally in postoperative for the monitoring. It is also essential to provide the practitioner with a 3D tool for the diagnosis and analysis of the osteoporosis and the fracture risk. Reconstruction of 3D anatomical models can be achieved by the use of direct 3D imaging modalities such as Computed Tomography. However, such technique is limited to complex procedures because of the constraints imposed by cost, availability and risk of radiation to the patient. Thus, the alternative to this kind of 3D imaging is to develop methods for 3D reconstruction which are based only on few 2D radiographs. The main objective of this work is to propose a tool able to reconstruct automatically a 3D surface of the proximal femur from a limited number of X-ray images. Previous studies on the reconstruction of surfaces usually need additional knowledge such as the use of a 3D generic or statistical model of the shape to be reconstructed. The method described in this thesis requires only the 3D coordinates of points calculated from a few pairs of radiographs. Two approaches are proposed. The first method is based on the matching of extracted contours from pairs of radiographs and on a mathematical model based on the principle of the stereovision for the calculation of a 3D point cloud. The second technique uses the results of the previous method as well as new points, chosen by an operator from another proximal femur to improve accuracy at sensitive areas. The reconstruction of the surface model from this cloud of points is obtained by a meshing based on the Poisson's equation. A 3D/3D registration is made between the cloud of the calculated points and the cloud of the extracted points from the generic model ("Gold Standard" obtained with CT-Scan) of the same proximal femur in order to compare the reconstructed surface with a model "ground truth" and thus estimate the accuracy of the method.

L'analyse des changements morphologiques du cerveau dans des séries temporelles d'images est un sujet important en neuroimagerie. Bien que le développement des bases de données longitudinales ait aidé à réduire la variabilité inter-individu, il reste encore de nombreux biais qui doivent être évités lors de l'estimation des évolutions longitudinales. De plus, lorsque les changements intra-sujet sont très faibles par rapport à la variabilité inter-sujet, il est crucial de savoir si les méthodes existantes peuvent capturer sans biais les changements longitudinaux. Dans la plupart des études, les changements longitudinaux sont limités à leur composante volumétrique scalaire afin d'en faciliter l'analyse. Cependant, les changements cérébraux ne sont généralement pas uniquement volumétriques et dans ce cas multivarié, l'interprétation est alors plus difficile. Cette thèse adresse ces problèmes en suivant trois axes principaux. Premièrement, nous proposons une chaîne de traitement longitudinale reposant sur la morphométrie à partir de déformations et ayant pour but d'estimer de manière robuste les changements longitudinaux. Afin d’éviter de rajouter du biais, nous détaillons tout l'enchaînement des étapes de traitement. En plus de cette contribution, nous intégrons une modification de l'algorithme de recalage non-linéaire qui consiste à masquer le terme de similarité tout en conservant la symétrie de la formulation. Cette contribution augmente la robustesse des résultats vis-à-vis des artefacts d'intensité situés en bordure du cerveau et augmente ainsi la sensibilité de l'étude statistique réalisée sur les déformations longitudinales / Analysing the progression of brain morphological changes in time series of images is an important topic in neuroimaging. Although the development of longitudinal databases has helped reducing the inter-individual variability, there still exist numerous biases that need to be avoided when capturing longitudinal evolutions. Moreover, when the intra-subject changes are very small with respect to the inter-subject variability it is crucial to know if the available methods can capture the longitudinal change with no bias. In most of the studies, these longitudinal changes are limited to scalar volumetric changes in order to ease their analysis. However, one can observe that brain changes are not limited to volumetry. In this multivariate case, the interpretation is more difficult. This thesis addresses these problems along three main axes. First, we propose a longitudinal Deformation-based Morphometry processing pipeline to robustly estimate the longitudinal changes. We detail the whole sequencing of the processing steps as they are key to avoid adding bias. In addition to this contribution we integrate a modification to the non-linear registration algorithm by masking the similarity term while keeping the symmetry of the formulation. This change increases the robustness of the results with respect to intensity artifacts located in the brain boundaries and leads to increased sensitivity of the statistical study on the longitudinal deformations. The proposed processing pipeline is based on freely available software and tools so that it is fully reproducible

Cette thèse porte sur un problème de calibration d'un modèle électromécanique de cœur, personnalisé à partir de données d'imagerie médicale 3D+t ; et sur celui - en amont - de suivi du mouvement cardiaque. A cette fin, nous adoptons une méthodologie fondée sur l'apprentissage statistique. Pour la calibration du modèle mécanique, nous introduisons une méthode efficace mêlant apprentissage automatique et une description statistique originale du mouvement cardiaque utilisant la représentation des courants 3D+t. Notre approche repose sur la construction d'un modèle statistique réduit reliant l'espace des paramètres mécaniques à celui du mouvement cardiaque. L'extraction du mouvement à partir d'images médicales avec quantification d'incertitude apparaît essentielle pour cette calibration, et constitue l'objet de la seconde partie de cette thèse. Plus généralement, nous développons un modèle bayésien parcimonieux pour le problème de recalage d'images médicales. Notre contribution est triple et porte sur un modèle étendu de similarité entre images, sur l'ajustement automatique des paramètres du recalage et sur la quantification de l'incertitude. Nous proposons une technique rapide d'inférence gloutonne, applicable à des données cliniques 4D. Enfin, nous nous intéressons de plus près à la qualité des estimations d'incertitude fournies par le modèle. Nous comparons les prédictions du schéma d'inférence gloutonne avec celles données par une procédure d'inférence fidèle au modèle, que nous développons sur la base de techniques MCMC. Nous approfondissons les propriétés théoriques et empiriques du modèle bayésien parcimonieux et des deux schémas d'inférence / This thesis focuses on the calibration of an electromechanical model of the heart from patient-specific, image-based data; and on the related task of extracting the cardiac motion from 4D images. Long-term perspectives for personalized computer simulation of the cardiac function include aid to the diagnosis, aid to the planning of therapy and prevention of risks. To this end, we explore tools and possibilities offered by statistical learning. To personalize cardiac mechanics, we introduce an efficient framework coupling machine learning and an original statistical representation of shape & motion based on 3D+t currents. The method relies on a reduced mapping between the space of mechanical parameters and the space of cardiac motion. The second focus of the thesis is on cardiac motion tracking, a key processing step in the calibration pipeline, with an emphasis on quantification of uncertainty. We develop a generic sparse Bayesian model of image registration with three main contributions: an extended image similarity term, the automated tuning of registration parameters and uncertainty quantification. We propose an approximate inference scheme that is tractable on 4D clinical data. Finally, we wish to evaluate the quality of uncertainty estimates returned by the approximate inference scheme. We compare the predictions of the approximate scheme with those of an inference scheme developed on the grounds of reversible jump MCMC. We provide more insight into the theoretical properties of the sparse structured Bayesian model and into the empirical behaviour of both inference schemes

No description available.