Modélisation et simulation d'éléments finis du système pelvien humain vers un outil d'aide à la décision fiable : incertitude des données et des lois de comportement

Finite element modeling and simulation of human pelvic system towards a reliable decision support tool : Uncertainty of data behavior laws

• Auteur / Autrice : Trieu Nhat Thanh Nguyen
• Direction : Tien-Tuan Dao, Jean-Baptiste Colliat
• Type : Thèse de doctorat
• Discipline(s) : Mécanique, génie civil, énergétique, matériaux
• Date : Soutenance le 11/10/2024
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : École graduée Sciences de l’ingénierie et des systèmes (Lille ; 2021-....)
• Partenaire(s) de recherche : Laboratoire : LaMcube - Laboratoire de mécanique, multiphysique, multiéchelle - Laboratoire de Mécanique- Multiphysique- Multiéchelle - UMR 9013 / LaMcube
• Jury : Président / Présidente : Marie-Christine Ho Ba Tho
• Jury : Examinateurs / Examinatrices : Tien-Tuan Dao, Jean-Baptiste Colliat, Mohamed Rachik, Cédric Laurent, Sébastien Laporte
• Jury : Rapporteurs / Rapporteuses : Mohamed Rachik, Cédric Laurent

Mots clés

Mots clés contrôlés

Éléments finis, Méthode des

Incertitude (théorie de l'information)

Propriétés mécaniques

Tissu mou

Modèles mathématiques

Biomécanique

Mots clés libres

Quantification de l'incertitude

Contraction utérine active

Simulation de la deuxième phase du travail

Uncertainly quantification

Active uterine contraction

The second stage of labor simulation

Résumé

Cette thèse a développé une approche originale pour quantifier les incertitudes liées aux propriétés hyperélastiques des tissus mous, en utilisant à la fois des probabilités précises et imprécises. Le protocole de calcul a été étendu pour quantifier les incertitudes dans les contractions utérines actives lors des simulations du deuxième stade du travail. De plus, une simulation de la descente foetale a été créée, intégrant des données de contraction utérine active basées sur l'IRM et une quantification d'incertitude associée. L'étude a révélé que l'Expansion du Chaos Polynomial (PCE) non intrusif est plus efficace que les simulations directes de Monte Carlo.Ce travail met en évidence l'importance de quantifier et de propager les incertitudes dans les propriétés hyperélastiques des tissus utérins lors des simulations de travail, améliorant ainsi la fiabilité des résultats de simulation. Pour la première fois, il aborde la quantification des incertitudes des contractions utérines actives pendant le travail, assurant des résultats de simulation fiables et valides. La simulation de la descente foetale, cohérente avec les données théoriques et IRM, valide la précision des modèles en reflétant les processus physiologiques, soulignant la nécessité d'inclure les contractions utérines actives pour des résultats plus réalistes. L'étude souligne également l'importance d'évaluer la sensibilité globale des paramètres, l'incertitude et les résultats de simulation pour des applications cliniques fiables. En conclusion, cette recherche fait progresser de manière significative les simulations de l'accouchement en fournissant un cadre robuste pour la quantification des incertitudes, améliorant ainsi la fiabilité des résultats de simulation et soutenant une meilleure prise de décision clinique.Les travaux futurs étendront le processus à un modèle complet du système pelvien, incluant l'os du bassin, les ligaments et d'autres organes (comme la vessie, le rectum) pour simuler l'ensemble du processus de délivrance. Des comportements plus complexes des tissus mous pelviens seront étudiés pour mieux décrire l'interaction foetale pendant le travail. L'utilisation de données IRM 3D, si disponibles, permettra une meilleure évaluation, notamment pour la rotation foetale lors de l'expulsion. Un modèle complet du bassin maternel sera couplé à l'apprentissage par renforcement pour identifier les mécanismes de délivrance. De plus, une combinaison plus complexe d'orientations de fibres sera envisagée. Pour améliorer la méthode de Monte Carlo, des techniques de réduction de la variance et des stratégies d'optimisation telles que l'échantillonnage par importance, l'échantillonnage hypercube latin et les méthodes de Monte Carlo par chaînes de Markov seront utilisées pour réduire la taille des échantillons tout en maintenant la précision. Des méthodes pour une convergence plus rapide et une précision accrue dans la quantification des incertitudes, comme discuté par Hauseux et al. (2017), seront explorées. D'autres formulations de la méthode des éléments finis stochastiques (SFEM), comme la méthode SFEM spectrale stochastique (SSFEM), seront considérées pour la quantification des incertitudes, et des méthodes intrusives comme le stochastique-Galerkin seront utilisées pour leurs avantages computationnels. Ces approches pourraient améliorer la quantification des incertitudes dans les études futures.Enfin, l'approche développée pourrait être adaptée à la modélisation spécifique au patient et aux simulations de complications de la délivrance, permettant d'identifier les risques et les solutions thérapeutiques potentielles pour des interventions médicales personnalisées et des résultats améliorés pour les patients

Approximately 0.5 million deaths during childbirth occur annually, as reported by the World Health Organization (WHO). One prominent cause is complicated obstructed labor, also known as labor dystocia. This condition arises when the baby fails to navigate the birth canal despite normal uterine contractions. Therefore, understanding this complex physiological process is essential for improving diagnosis, optimizing clinical interventions, and defining predictive and preventive strategies. Currently, due to the complexity of experimental protocols and associated ethical issues, computational modeling and simulation of childbirth have emerged as the most promising solutions to achieve these objectives. However, it is crucial to quantify the significant influence of inherent uncertainties in the parameters and behaviors of the human pelvic system and their propagation through simulations to establish reliable indicators for clinical decision-making. Specifically, epistemic uncertainties due to lack of knowledge and aleatoric uncertainties due to intrinsic variability in physical domain geometries, material properties, and loads are often not fully understood and are frequently overlooked in current literature on childbirth computational modeling and simulation.This PhD thesis addresses three original contributions aimed at overcoming these challenges: 1) development and evaluation of a computational workflow for the uncertainty quantification of hyperelastic properties of the soft tissue using precise and imprecise probabilities; 2) extrapolation of the developed protocol for the uncertainty quantification of the active uterine contraction during the second stage of labor simulation; and 3) development and evaluation of a fetus descent simulation with the active uterine contraction using MRI-based observations and associated uncertainty quantification process.This thesis pays the way to a more reliable childbirth modeling and simulation under passive and active uterine contractions. In fact, the developed computational protocols could be extrapolated into a patient-specific modeling and simulation to identify the risk factors and associated strategies for vaginal delivery complications in a straightforward manner. Finally, the investigation of stochastic finite element formulation will allow to improve the computational cost for the uncertainty quantification process