Thèse soutenue

Simulation de modèles personnalisés du coeur pour la prédiction de thérapies cardiaques
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Stephanie Marchesseau
Direction : Hervé DelingetteNicholas Ayache
Type : Thèse de doctorat
Discipline(s) : Informatique temps réel, robotique et automatique
Date : Soutenance le 28/01/2013
Etablissement(s) : Paris, ENMP
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)
Partenaire(s) de recherche : Laboratoire : Asclepios INRIA (Sophia Antipolis, Alpes-Maritimes) - Centre de mathématiques appliquées (Sophia Antipolis, Alpes-Maritimes)
Jury : Président / Présidente : Andrew Mcculloch
Examinateurs / Examinatrices : Hervé Delingette, Nicholas Ayache, Reza Razavi, Dominique Chapelle, Oscar Camara, Herve Delingette, Maxime Sermesant
Rapporteurs / Rapporteuses : Andrew Mcculloch, Nicolas Smith

Résumé

FR  |  
EN

La compréhension clinique et le traitement des maladies cardiovasculaires est extrêmement complexe. Pour chaque patient, les cardiologues sont confrontés à des difficultés pour déterminer la pathologie, choisir une thérapie ou encore sélectionner les patients susceptibles de bien répondre à un traitement donné. Afin de fournir une aide additionnelle aux cardiologues, de nombreuses équipes de recherche étudient la possibilité de planifier de telles thérapies grâce à des modèles biophysiques du cœur. Ils formulent l'hypothèse que l'on peut combiner les données fonctionnelles et anatomiques afin de créer des modèles cardiaques personnalisés à chaque patient qui auraient le potentiel de prédire les bénéfices des différentes thérapies. Les simulations électromécaniques du cœur sont basées sur des modèles informatiques qui peuvent représenter la géométrie, le mouvement et la propagation d'ondes électriques pendant un cycle cardiaque avec suffisamment de précision. L'intégration d'information anatomique, mécanique et électrophysiologique pour un patient donné est essentielle pour construire ce type de modèle.Dans cette thèse, nous présentons tout d'abord les méthodes de personnalisations géométriques, cinématiques et électrophysiologiques nécessaires à toutes modélisations mécaniques. Nous utilisons ensuite le modèle électromécanique de Bestel-Clément-Sorine qui a déjà prouvé avoir un bon réalisme sans être trop complexe au vu des données disponibles. Nous commençons par détailler la nouvelle implémentation de ce modèle dans une plateforme efficace de simulation médicale ayant l'avantage d'être libre et interactive, puis nous analysons les résultats de la simulation par une étude de sensibilité complète.Dans un deuxième temps, nous étudions la possibilité de personnaliser les paramètres mécaniques de ce modèle à partir d'images médicales (IRM). Pour cela, nous proposons en premier lieu une méthode automatique de calibration qui estime les paramètres mécaniques globaux à partir de courbes de pressions et volumes. Cette technique testée sur 6 volontaires et 2 cas pathologiques nous a permis de faire une étude de spécificité qui consiste à déterminer les paramètres pertinents capables de différencier les cas pathologiques des cas sains.Une fois initialisés à ces valeurs calibrées, les paramètres sont personnalisés localement avec un algorithme d'optimisation plus complexe. Le « Reduced Order Unscented Kalman Filtering » est utilisé pour estimer les contractilités de toutes les zones AHA du ventricule gauche à partir des volumes régionaux extraits des séquences d'images IRM. Cette stratégie de personnalisation a été validée et testée sur plusieurs cas pathologiques et volontaires. Ces différentes contributions ont montré des résultats prometteurs tout au long de cette thèse et certains sont déjà utilisés pour quelques études de recherche.