Les réseaux de neurones convolutifs regroupent un ensemble d’architectures dont les unités élémentaires sont inspirées des neurones biologiques. Ils permettent d’estimer et d’extraire par un ensemble de techniques d’apprentissage, des représentations internes (filtres) qui sont ensuite convoluées avec nos images pour classer, prédire... Notre objectif au travers de deux exemples est de tenter de mieux comprendre les potentialités de ces derniers en médecine nucléaire et d’en appréhender les limites. Nous étudierons donc dans un premier temps une procédure de segmentation qui peut être assimilée à un problème de classification où l’on cherche à prédire pour chaque voxel une catégorie. Pour cela nous nous appuierons sur une cohorte de 37 patients avec des tumeurs gliales explorées dans leur bilan initial en TEP à la 18-F-Fluoro-ethyl-thyrosine. Dans un second temps nous nous intéresserons à estimer des TDM à partir de la séquence IRM ZTE et d’évaluer son impact sur la correction d’atténuation lors de la reconstruction tomographique chez 47 patients adressés dans le cadre de pathologies neuro-dégénératives.