Une des principales causes d'erreur en analyse semi-quantitative en imagerie par émission de positons (TEP) est la méthode utilisée pour déterminer les volumes d'intérêt sur les images fonctionnelles. Ceci concerne le diagnostic et le suivi thérapeutique en oncologie ainsi que la nouvelle application en plein développement qu'est la radiothérapie guidée par l'image. La faible qualité des images d'émission, liée notamment au bruit et au flou induits par les effets de volume partiels et la variabilité des protocoles d'acquisition et de reconstruction des images, ainsi que le grand nombre de procédures proposées pour définir les volumes, en sont la cause. La plupart des méthodes proposées jusqu'alors sont basées sur des seuillages déterministes, peu robustes au bruit et aux variations de contraste et incapables de gérer les hétérogénéités dans la distribution d'activité des tumeurs. L'objectif de cette thèse est de proposer une approche de segmentation des images 3D, automatique, robuste, précise et reproductible pour déterminer le volume fonctionnel des tumeurs de toutes tailles dont la distribution d'activité peut être très hétérogène. L'approche proposée est fondée sur la segmentation statistique des images, couplée à une modélisation floue, permettant de prendre en compte à la fois l'aspect bruité et l'aspect flou des images de médecine nucléaire. Elle fait appel à une étape d'estimation itérative des paramètres et une modélisation locale du voxel et de son voisinage pour l'estimation et la segmentation. Les méthodes développées ont été évaluées sur de nombreuses données simulées et réelles, tant pour des images de fantômes que pour des images de tumeurs. Les résultats sur fantôme ont permis de valider les performances de l'approche proposée en terme de taille d'objet d'intérêt, jusqu'à 13 mm de diamètre (environ deux fois la résolution spatiale en TEP), ainsi que de confirmer un comportement plus robuste par rapport au bruit, aux variations de contraste ou des paramètres d'acquisition et de reconstruction, que les méthodes de référence basées sur des seuillages. Les résultats obtenus sur différents ensemble de données d'images cliniques de tumeurs, fournies par différents services de médecine nucléaire dans le cadre de multiples collaborations, ont montré la capacité de l'approche à segmenter avec précision des tumeurs complexes, tant en terme de forme que de distribution d'activité, pour lesquelles les méthodes de référence échouent à produire des segmentation cohérentes. La méthode de segmentation développée est également capable de définir des régions d'intérêt au sein même de la tumeur grâce à sa gestion de l'hétérogénéité de l'activité de la tumeur, là où les méthodes de références sont strictement binaires. Les résultats concernant la robustesse et la précision de l'approche sur tumeurs amènent à penser que son utilisation peut être envisagée tant dans le cadre du diagnostic et du suivi thérapeutique, que pour la définition des volumes cibles en radiothérapie, avec le potentiel d'augmenter les doses délivrées aux tumeurs tout en réduisant dans le même temps les doses délivrées aux tissus sains et aux organes à risque environnants, conformément au principe de "dose painting". Des travaux pour évaluer l'impact effectif de la méthodologie dans le contexte de la radiothérapie ont commencé dans le cadre d'un projet ANR, avec un dépôt de brevet associé.