Dans le cadre du diagnostic, l’interprétation des images médicales est une tâche complexe pour la détection des anomalies potentielles. Un des procédés les plus utilisés pour cette caractérisation est la texture. De nombreuses études ont été menées pour développer des algorithmes de quantification de la texture. L’intérêt de la géométrie fractale en analyse d’images médicales est justifié par l’auto-similarité des objets anatomiques sur une résolution finie. L’utilisation de cette géométrie repose principalement sur l’estimation d’attributs fractals. Diverses méthodes ont été proposées pour estimer la dimension fractale ou le spectre multifractal. Cette étude énumère l’ensemble de ces algorithmes, leurs principes, leurs avantages et inconvénients, ainsi que leur application dans le domaine de l’analyse des signaux médicaux.

The diagnostic interpretation of medical images is a complex task aiming to detect potential abnormalities. One of the most used features in this process is texture which is a key component in the human understanding of images. Many studies were conducted to develop algorithms for texture quantification. The relevance of fractal geometry in medical image analysis is justified by the proven self-similarity of anatomical objects when imaged with a finite resolution. Over the last years, fractal geometry was applied extensively in many medical signal analysis applications. The use of these geometries relies heavily on estimation of the fractal features. Various methods were proposed to estimate the fractal dimension or multifractal spectrum of a signal. This article presents an overview of these algorithms, the way they work, their benefits and limits, and their application in the field of medical signal analysis.