L'objectif de cette thèse est de s'intéresser à la classification de cellules et de tissus au sein d'images d'origine biomédicales en s'appuyant sur des critères morphologiques. Le but est de permettre aux médecins et aux biologistes de mieux comprendre les lois qui régissent certains phénomènes biologiques. Ce travail se décompose en trois principales parties correspondant aux trois problèmes typiques des divers domaines de l'imagerie biomédicale abordés. L'objet de la première est l'analyse de vidéos d'endomicroscopie du colon dans lesquelles il s'agit de déterminer automatiquement la classe pathologique des polypes qu'on y observe. Cette tâche est réalisée par un apprentissage supervisé multiclasse couplant les séparateurs à vaste marge à des outils de théorie des graphes. La deuxième partie s'intéresse à l'étude de la morphologie de neurones de souris observés par microscopie confocale en fluorescence. Afin de disposer d'une information riche, les neurones sont observés à deux grossissements, l'un permettant de bien caractériser les corps cellulaires, l'autre, plus faible, pour voir les dendrites apicales dans leur intégralité. Sur ces images, des descripteurs morphologiques des neurones sont extraits automatiquement en vue d'une classification. La dernière partie concerne le traitement multi-échelle d'images d'histologie digitale dans le contexte du cancer du rein. Le réseau vasculaire est extrait et mis sous forme de graphe afin de pouvoir établir un lien entre l'architecture vasculaire de la tumeur et sa classe pathologique. / The purpose of this Ph.D. thesis is to study the classification based on morphological features of cells and tissues taken from biomedical images. The goal is to help medical doctors and biologists better understand some biological phenomena. This work is spread in three main parts corresponding to the three typical problems in biomedical imaging tackled. The first part consists in analyzing endomicroscopic videos of the colon in which the pathological class of the polyps has to be determined. This task is performed using a supervised multiclass machine learning algorithm combining support vector machines and graph theory tools. The second part concerns the study of the morphology of mice neurons taken from fluorescent confocal microscopy. In order to obtain a rich information, the neurons are imaged at two different magnifications, the higher magnification where the soma appears in details, and the lower showing the whole cortex, including the apical dendrites. On these images, morphological features are automatically extracted with the intention of performing a classification. The last part is about the multi-scale processing of digital histology images in the context of kidney cancer. The vascular network is extracted and modeled by a graph to establish a link between the architecture of the tumor and its pathological class.

Pour l'évaluation de la fonction rénale, l'Imagerie par Résonance Magnétique (IRM) dynamique à rehaussement de contraste est une alternative intéressante à la scintigraphie. Les résultats obtenus doivent cependant être évalués à grande échelle avant son utilisation en pratique clinique. L'exploitation des séquences acquises demande un recalage de la série d'images et la segmentation des structures internes du rein. Notre objectif est de fournir un outil fiable et simple à utiliser pour automatiser en partie ces deux opérations. Des méthodes statistiques de recalage utilisant l'information mutuelle sont testées sur des données réelles. La segmentation du cortex, de la médullaire et des cavités est réalisée en classant les voxels rénaux selon leurs courbes temps-intensité. Une stratégie de classification en deux étapes est proposée. Des classificateurs sont d'abord construits grâce à la coupe rénale principale en utilisant deux algorithmes de quantification vectorielle (K-moyennes et Growing Neural Gas). Ils sont validés sur données simulées, puis réelles, en évaluant des critères de similarité entre une segmentation manuelle de référence et des segmentations fonctionnelles ou une seconde segmentation manuelle. Les voxels des autres coupes sont ensuite triés avec le classificateur optimum pour la coupe principale. La théorie de la généralisation permet de borner l'erreur de classification faite lors de cette extension. La méthode proposée procure les avantages suivants par rapport à une segmentation manuelle : gain de temps important, intervention de l'opérateur limitée et aisée, bonne robustesse due à l'utilisation de toute la séquence et bonne reproductibilité.

La résolution des images de cerveau du petit animal acquises in vivo est encore limitée au regard de la taille des structures observées. Les modalités d'imagerie post mortem (coupes histologiques et autoradiographiques) restent encore aujourd'hui la référence pour une étude anatomo-fonctionnelle précise, bien que la cohérence 3D de l'organe soit perdue. Ces images 2D étant analysées par segmentation manuelle de régions d'intérêt (RDI), ce qui requiert du temps et une expertise en neuroanatomie, le nombre de coupes et de RDI étudiées est limité. Pour s'a ranchir de la perte de la cohérence 3D de l'organe et traiter un grand nombre de données, il est nécessaire de reconstruire des images 3D à partir de séries de coupes 2D et d'automatiser et d'optimiser l'analyse de ces volumes de données. Des travaux ont été réalisés pour restaurer la cohérence 3D de l'organe. L'objectif atteint de ce travail de thèse a donc été de proposer une méthode d'analyse de ces images 3D. Pour cela, nous avons recalé un atlas numérique 3D sur des images 3D de cerveaux de souris pour mener une étude de celles-ci grâce aux RDI de l'atlas. L'analyse par atlas à l'échelle des RDI, bien que able et rapide, met di cilement en évidence des variations fonctionnelles se produisant dans des zones de petite dimension par rapport à la taille des RDI. Ces di érences peuvent en revanche apparaître grâce à une analyse statistique réalisée à l'échelle du pixel. L'interprétation de ces résultats étant complexe chez la Souris, nous avons proposé d'utiliser l'atlas pour superviser cette analyse a n de coupler les avantages des méthodes. Un travail préliminaire a ensuite été réalisé pour évaluer la faisabilité d'analyser par atlas des images TEP acquises chez la Souris. Une perspective de ces travaux est d'utiliser l'atlas numérique 3D comme outil unique pour analyser conjointement des images acquises in vivo et post mortem sur les mêmes sujets et ainsi recouper les informations extraites de ces images.

Les verres métalliques ont commencé à être produit dans les années 1960 et sous forme massive dans les années 1980. De nombreuses études se sont intéressées à ces matériaux sous leur forme amorphe et ont conclu qu’ils avaient une forte résistance mécanique mais présentaient un comportement très fragile. Dans le cadre du projet EDDAM débuté en 2011, ces matériaux ont été introduits sous forme de petites sphères dans une matrice d’aluminium. Le premier objectif de notre étude est de voir si le verre métallique sous cette forme permet de le rendre peu fragile. Le second objectif est de trouver une alternative aux renforts céramique dans les composites à matrice métallique qui présentent une faible cohésion à l’interface matrice/inclusion. Dans le but de caractériser l’endommagement dans des nouveaux composites amorphe-cristallins métalliques, la tomographie aux rayons X a été utilisée. Cette technique permet de caractériser de manière non destructive l’endommagement des matériaux et de le visualiser en 3D. Cela apporte une contribution à l’étude des matériaux composites par rapport aux techniques classiques utilisées. L’objectif général de cette thèse a été d’étudier l’endommagement en termes d’amorçage, de croissance et de coales- cence des matériaux composites amorphe-cristallins métallique par tomographie aux rayons X lors d’essais de traction monotone in situ. Les matériaux sélectionnés sont constitués d’une matrice aluminium ("molle" de type 1070A ou "dure" de type 5083) et de renforts en verre métallique Zr57Cu20Al10Ni8Ti5 de taille peu dispersée et répartis de manière homogène, avec différentes fractions volumiques (1%, 4% et 10%). Les matériaux composites ont été élaborés par la voie de la métallurgie des poudres au Spark Plasma Sintering (SPS) suivi d’une étape d’extrusion à chaud. Une attention particulière a été portée sur la caractérisation microstructurale des constituants de base. L’analyse qualitative a permis de comparer l’ensemble des composites fabriqués au SPS et ceux extrudés à chaud après SPS. Les différents modes d’amorçage de l’endommagement ont été observés ainsi que la croissance et la coa- lescence amenant la rupture des composites. L’analyse quantitative a été essentiellement consacrée au premier stade de l’endommagement. La croissance et la coalescence étant très rapide, il a été difficile de les suivre lors des essais interrompus. La modélisation d’un composite amorphe-cristallin métallique à matrice molle a été introduite dans le but de reproduire l’endommagement observé lors des analyses expérimentales. Cette première approche nécessite d’être approfondie dans le but de prédire, compte tenu des propriétés mécaniques des différentes phases et de la fraction volumique des renforts, le mode d’endommagement préférentiel apparaissant dans les composites étudiés. Elle montre cependant les prémices d’une modélisation innovante basée sur la microstructure expérimentale. / Metallic glasses have been produced in the 1960s and bulk metallic glasses in the 1980s. Many studies, focused on these materials in their amorphous state, concluded that they had high mechanical strength but shown low ductility. As part of EDDAM project that started in 2011, these materials were introduced as small particles in an aluminum matrix. The first objective of this study is to see if the metallic glass is less brittle in this form. The second objective is to find an alternative of ceramic reinforcements in metal matrix composites. These materials have low cohesion at the matrix/inclusion interface. In order to characterize the damage in new amorphous-crystalline composite, X-ray tomography was used. This allows to characterize damage in materials and to obtain a 3D viewing. The main objective of this thesis was to study damage (nucleation, growth and coalescence) in composite materials using X-ray tomography during tensile tests. Selected materials are constituted of an aluminum matrix and small metallic glass reinforcements (Zr57Cu20Al_10Ni8Ti5). Composites with different volume fractions (from 1vol.% to 10vol.%) were prepared by Spark Plasma Sintering (SPS) and hot extrusion. A particular attention was paid to the microstructural characterization of the basic constituents. Qualitative analysis was used to compare SPS composites with SPS plus hot extrusion composites. Damage nucleation, growth and coalescence were observed. Quantitative analysis was mainly devoted to the first damage step. Growth and coalescence were difficult to follow due to fast rupture and interrupted tensile tests. The modeling of an amorphous-crystalline composite has been introduced in order to reproduce experimental damage analyses. The first approach requires further investigation to predict damage with different volume fractions. However, this part shows the beginning of an innovative model based on the experimental microstructure.