Cette recherche s’intéresse à l’étude du réseau vasculaire en général, dans plusieurs modalités d’imagerie et plusieurs configurations anatomo-pathologiques. Son objectif consiste à discriminer les structures vasculaires dans les données image et détecter et quantifier la présence de modifications morphologiques (remodelage) en lien avec une pathologie. L’originalité de l’approche développée consiste à exploiter un filtrage localement connexe (FLC) multidirectionnel adapté à la dimension de l’espace de données (2D ou 3D). Ce filtrage permet de sélectionner les structures curvilignes en contraste positif dans les images dont la taille en section transverse (calibre) ne dépasse pas la taille de la fenêtre de filtrage. Cette sélection reste efficace même au niveau des régions de subdivisions des vaisseaux. La mise en place d’une technique de filtrage multirésolution permet de s’affranchir de la différence des calibres vasculaires dans le réseau et de segmenter l’ensemble de la structure vasculaire, y compris en présence d’une modification locale de calibre. Un autre intérêt de l’approche de segmentation proposée est sa généralité. Elle s’adapte facilement à différentes modalités d’imagerie qui préservent un contraste (positif ou négatif) entre les vaisseaux et leur environnement. Nous l’avons pu démontrer dans le cadre de l’imagerie TDM 3D thoracique avec la segmentation du réseau vasculaire intrapulmonaire, mais également en imagerie TDM 3D hépatique avec injection de produit de contraste, en imagerie 2D de fond d’œil et en imagerie microscopique infrarouge (pour la segmentation des fibres dans le cerveau de souris). A partir d’une segmentation précise et robuste du réseau vasculaire, il est possible par la suite de détecter et caractériser la présence d’un remodelage en présence d’une pathologie. Cela passe par une analyse de la variation du calibre des vaisseaux le long de l’axe central, permettant à la fois d’obtenir une vue globale de la distribution des calibres vasculaires dans l’organe étudié (et la comparer avec une référence « sujet sain »), et de détecter localement des modifications de forme (rétrécissement, dilatation). Ce dernier cas de figure a été étudié dans le cadre de la détection et la quantification des malformations artério-veineuses pulmonaires (MAVP). Prévue initialement dans un cadre d’étude de l’angiogénèse tumorale, la méthode développée n’a pas pu être appliquée en analyse microscopique par imagerie multispectrale infrarouge en raison de l’absence de contraste de vaisseaux dans les bandes spectrales étudiées. Nous nous sommes limités dans ce cas précis à l’extraction des fibres cérébrales comme élément d’appui pour retrouver l’information manquante dans le cas d’un sous-échantillonnage 2D du volume du cerveau. En effet, l’étude de la croissance tumorale nécessitait également de pouvoir recouvrir le volume de la tumeur dans le cerveau de souris à partir de coupes coronales éparses des échantillons biologiques ayant subi des déformations lors de la découpe physique. Pour cela, une interpolation 2D-2D après réalignement des structures a été envisagée avec une deuxième contribution méthodologique de la thèse portant sur une approche de recalage-interpolation géométrique contrôlée par une mise en correspondance préalable des structures similaires dans les images. Les structures ciblées dans notre cas seront notamment la tumeur, les fibres, les ventricules et le contour du cerveau, chacune pouvant être obtenue au moyen des techniques de segmentation appliquées aux différentes bandes spectrales de la même image. La mise en correspondance des images se fait au moyen d’un champ de vecteurs directionnels établi au niveau des contours des structures cible, dans un espace de dimension supérieure (3D ici). La diffusion du champ de vecteurs éparse construit sur l’ensemble de l’espace permet d’obtenir un flot directionnel dont les lignes de champ constituent la transformation homéomorphique entre les deux images.