Abstract FR:

L'amélioration de la prise en charge du patient passe par l'intégration («fusion») d'informations issues de différentes sources («informations multimodales»). Dans ce cadre, la mise en relation d'images morphologiques (TDM, IRM) avec des images dynamiques (vidéo, radiographie X, balayage LASER, échographie. . . ) ou fonctionnelles (tomographie par émission de positons (TEP), gamma-tomoscintigraphie (SPECT)) apparaît comme un enjeu particulièrement intéressant eu égard à la variété et l'importance de ses applications (imagerie 3D et per-opératoire dynamique, chirurgie assistée par ordinateur, radiothérapie assistée, quantification d'images fonctionnelles, etc. ). Cette thèse développe une modélisation mécaniste qui permet de réduire la problématique de la fusion d'images multimodales à la minimisation d'une énergie potentielle qui apparaît en outre comme le critère de compatibilité d'une modélisation aux moindres carrés. Différentes approches de mise en œuvre de ce formalisme tricéphale (mécanique - modélisation de données - minimisation d'une fonctionnelle), impliquant notamment des techniques de programmation dynamique et des structures de données adaptatives (octrees), sont analysées. On montre ensuite comment ce modèle permet d'unifier les problématiques de segmentation d'images et de mise en correspondance modèles d'objets-images en vision à base de modèles. Enfin, une large étude de validation et d'expérimentation clinique, centrée en particulier sur l'étude tridimensionnelle dynamique de la colonne vertébrale, prouve l'efficacité et la robustesse du modèle (recouvrement de l'attitude dynamique des objets avec moins d'un degré d'erreur en rotation et un millimètre en translation). En annexe, un essai sur «l'informatique comme art de la modélisation» est développé