La segmentation d'image est décrite comme la partition d'une image en un nombre fini de régions sémantiquement non chevauchantes. Dans les applications médicales, c'est un processus fondamental dans la plupart des systèmes qui soutiennent le diagnostic médical, la planification chirurgicale et les traitements. Généralement, ce processus est effectué manuellement par les cliniciens, ce qui peut être long et fastidieux. Pour pallier ce problème, un certain nombre de méthodes de segmentation interactive ont été proposées. Les réseaux neuronaux couplés par impulsion (PCNN) sont des réseaux auto-organisés qui ne nécessitent pas d'entraînement. Le réseau a été construit en simulant l'activité des neurones du cortex visuel des mammifères. Le PCNN se distingue des autres techniques par sa sortie synchrone pulsée, son seuil réglable et ses paramètres contrôlables. Le système du cortex visuel des mammifères a servi de base au développement du PCNN. Le cortex visuel du chat et du cobaye a permis de développer certains modèles numériques. Des recherches sont en cours sur les techniques de segmentation d'images dans le domaine médical en utilisant les PCNN. Ce livre décrit une idée complète de la segmentation des images RM basée sur les réseaux neuronaux couplés par impulsion.