Ce livre présente un modèle générique pour les systèmes d'aide au diagnostic basés sur les images médicales. La modélisation se base sur 4 éléments d'information (EI). Un EI Objet-Observation permet l'acquisition de l'image qui est ensuite améliorée par un EI Observation-Observation. Puis, un EI Observation-Primitive détecte les régions formant la zone d'intérêt (ZI). Pour cela, nous avons introduit deux méthodes automatiques selon que ZI est composée d'une ou de plusieurs régions. Enfin, un EI Primitive-Décision met en oeuvre un réseau de neurones pour associer chaque région de ZI à une classe diagnostique. Dans les cas où la prise de décision à partir de l'observation de ZI est impossible, un EI Primitive-Description intermédiaire quantifie les caractéristiques de ZI par un ensemble de descripteurs reflétant les signes cliniques. Pour le attributs géométriques, une méthode d'approximation polygonale basée sur les algorithmes génétiques a été envisagée. Ce modèle générique a été mis en oeuvre dans le cadre de deux applications représentatives : la première consiste à dépister le mélanome et la deuxième concerne la détection des zones tumorales dans les IRMs du cerveau humain.