La segmentation de réseaux vasculaires 2D & 3D à partir d'images médicales a été un domaine de recherche très actif ces vingts dernières années. La connaissance de la morphologie, la géométrie et la topologie vasculaire peut aider le clinicien lors du diagnostic, de la planification d'opérations et du suivi du patient. La variabilité des réseaux vasculaires intra et inter patient nécessite des algorithmes de segmentation robustes.

Après une analyse de l'état de l'art de la segmentation vasculaire, un grand nombre d'algorithmes incluent des filtre de rehaussement des vaisseaux, capables d'augmenter le contraste des structures tubulaires. Ces filtres influent fortement sur la qualité de la segmentation finale mais sont rarement évalués seuls. Nous proposons dans cette thèse une comparaison de 7 filtres de rehaussement, dans un cadre de comparaison et une implémentation commune. Nous proposons ainsi une analyse granulaire permettant d'évaluer la performance des filtres à l'échelle de l'organe, du voisinage des vaisseaux classifiés par tailles et des bifurcations.

L'un des objectifs principal est la réutilisation de ces travaux par la communauté. C'est pourquoi, un accent est mis sur la reproductibilité des expériences ainsi que la disponibilité du code et des données.

Un second objectif, est d'utiliser ces filtres couplé à du deep learning pour l'extraction de ligne centrale d'un réseau vasculaire dans un contexte où seul les positions des bifurcations sont annotées.