Soutenances de thèses :

Le 14 juin 2017 à 14:00 - salle 109

Présentée par Lal Rajnesh -

Assimilation de données et quantification des incertitudes en biomécanique cardiovasculaire

Jury:
M. Franck NICOUD, Université de Montpellier, Directeur de these
M. Bijan MOHAMMADI, Université de Montpellier,CoDirecteur de these
M. Jean-Frédéric GERBEAU, INRIA Paris Rocquencourt, Rapporteur
M. Pierre-Yves LAGRéE,Université Pierre et Marie Curie, Rapporteur
M. Vincent COSTALAT, CHRU - Gui de Chauliac, Montpellier, Examinateur
M. Christophe PRUD?HOMME, IRMA - Université de Strasbourg, Examinateur

Résumé:
Les simulations numériques des écoulements sanguins cardiovasculaires peuvent combler d?importantes lacunes dans les capacités actuelles de traitement clinique. En effet, elles offrent des moyens non invasifs pour quantifier l?hémodynamique dans le c?ur et les principaux vaisseaux sanguins chez les patients atteints de maladies cardiovasculaires. Ainsi, elles permettent de recouvrer les caractéristiques des écoulements sanguins qui ne peuvent pas être obtenues directement à partir de l?imagerie médicale. Dans ce sens, des simulations personnalisées utilisant des informations propres aux patients aideraient à une prévision individualisée des risques. Nous pourrions en effet, disposer des informations clés sur la progression éventuelle d?une maladie ou détécter de possibles anomalies physiologiques. Les modèles numériques peuvent fournir également des moyens pour concevoir et tester de nouveaux dispositifs médicaux et peuvent être utilisés comme outils prédictifs pour la planification de traitement chirurgical personnalisé. Ils aideront ainsi à la prise de décision clinique. Cependant, une difficulté dans cette approche est que, pour être fiables, les simulations prédictives spécifiques aux patients nécessitent une assimilation efficace de leurs données médicales. Ceci nécessite la solution d?un problème hémodynamique inverse, où les paramètres du modèle sont incertains et sont estimés à l?aide des techniques d?assimilation de données. Dans cette thèse, le problème inverse pour l?estimation des paramètres est résolu par une méthode d?assimilation de données basée sur un filtre de Kalman d?ensemble (EnKF). Connaissant les incertitudes sur les mesures, un tel filtre permet la quantification des incertitudes liées aux paramètres estimés. Un algorithme d?estimation de paramètres, basé sur un filtre de Kalman d?ensemble, est proposé dans cette thèse pour des calculs hémodynamiques spécifiques à un patient, dans un réseau artériel schématique et à partir de mesures cliniques incertaines. La méthodologie est validée à travers plusieurs scenarii in silico utilisant des données synthétiques. La performance de l?algorithme d?estimation de paramètres est également évaluée sur des données expérimentales pour plusieurs réseaux artériels et dans un cas provenant d?un banc d?essai in vitro et des données cliniques réelles d?un volontaire (cas spécifique du patient). Le but principal de cette thèse est l?analyse hémodynamique spécifique du patient dans le polygone de Willis, appelé aussi cercle artériel du cerveau. Les propriétés hémodynamiques communes, comme celles de la paroi artérielle (module de Young, épaisseur de la paroi et coefficient viscoélastique), et les paramètres des conditions aux limites (coefficients de réflexion et paramètres du modèle de Windkessel) sont estimés. Il est également démontré qu?un modèle appelé compartiment d?ordre réduit (ou modèle dimension zéro) permet une estimation simple et fiable des caractéristiques du flux sanguin dans le polygone de Willis. De plus, il est ressorti que les simulations avec les paramètres estimés capturent les formes attendues pour les ondes de pression et de débit aux emplacements prescrits par le clinicien.