Ce rapport présente une synthèse de mes travaux de recherche en analyse d’images appliquée à l’imagerie diagnostique du cancer. J’ai commencé par travailler dans le domaine de l’analyse psychophysique qui mesure l’adéquation entre l’information perçue dans l’image et utilisable par l’observateur au cours d’une tâche diagnostique. La première partie de ce rapport retrace de manière synthétique les travaux dans ce domaine, appliqués à la détection d’anomalies caractéristiques de lésions cancéreuses dans les images de tomographie par émission de positons (TEP) et propose une analyse critique des contributions en regard de l’état de l’art actuel. Les principales contributions concernent, d’une part, la formalisation d’un cadre théorique permettant une mesure objective des performances diagnostiques dans les images TEP corps entier à partir d’une base d’images simulées, et d’autre part, la proposition de modèles originaux d’observateurs algorithmiques pour l’imagerie TEP, capables de reproduire les performances de détection humaines. L’association de ces éléments est ensuite appliquée à l’analyse de l’influence de différents paramètres de formation de l’image TEP sur les performances diagnostiques. La seconde partie de ce rapport présente les contributions plus récentes dans le domaine de l’apprentissage statistique pour l’aide au diagnostic. Mes travaux dans ce domaine s’intéressent plus particulièrement aux verrous liés à l’extraction d’attributs discriminants et à la fusion d’informations hétérogènes (multimodales, multiparamétriques, multidimensionnelles). Ils sont pilotés par deux applications cliniques dans le domaine de l’imagerie TEP/TDM du lymphome et de l’imagerie IRM multiparamétrique du cancer de prostate et suscitent des contributions théoriques dans le domaine de l’apprentissage statistique avec pour objectif d’adapter les méthodes de classification aux spécificités de l’imagerie médicale.