Robust Personalisation of 3D Electromechanical Cardiac Models. Application to Heterogeneous and Longitudinal Clinical Databases.

Roch Molléro 1
1 ASCLEPIOS - Analysis and Simulation of Biomedical Images
CRISAM - Inria Sophia Antipolis - Méditerranée
Résumé : La modélisation cardiaque personnalisée consiste à créer des simulations de cas cliniques réels avec un modèle cardiaque électromécanique en estimant des valeurs de paramètres pour lesquelles la simulation correspond aux données cliniques. L’objectif de ces simulations est d’assister le clinicien dans le traitement des patients et possiblement de mieux comprendre l’évolution de certaine maladies. Un important aspect pour permettre de telles applications cliniques est l’estimation de valeurs pertinentes et cohérentes des paramètres de simulation. D’abord nous quantifions et propageons l’incertitude sur l’orientation des fi-bres myocardiques, calculée à partir d’un atlas, dans un processus de personnalisation générique. Nous montrons que l’incertitude qui en résulte dans les paramètres estimés est extrêmement importante par rapport à la variabilité physique de ces paramètres. Cela montre la nécessité d’un processus de personnalisation plus robuste qui prend en compte l’incertitude sur les valeurs des paramètres. Afin de concevoir une approche pratique de l’estimation des paramètres nousprésentons ensuite une approche multi-échelle 0D / 3D originale pour les modèles cardiaques. Nous construisons un couplage multiscalaire pour approximer les sorties d’un modèle 3D à partir d’une version "0D" réduite du même modèle. Ensuite, nous dérivons de ce couplage un algorithme efficace de personalisation pour le modèle 3D. Dans un deuxième temps, nous utilisons cet algorithme pour construire plus de 140 simulations 3D personnalisées, dans le cadre de deux études impliquant l’analyse longitudinale de la fonction cardiaque. D’une part, l’analyse de l’évolution de la cardiomyopathie à long terme sous thérapie, d’autre part, la modélisation des changements cardiovasculaires à court terme pendant la digestion. Grâce à ces études, nous décrivons des cas d’utilisation possibles de valeurs de paramètres personnalisés dans la pratique clinique. Enfin nous présentons un algorithme pour détecter et sélectionner automatiquement les directions observables dans l’espace des paramètres à partir d’un ensemblede mesures. Ce même algorithme estime des probabilités à priori basées sur lapopulation dans ces directions, qui peuvent ensuite être utilisées pour contraindre l’estimation de paramètres pour les cas où des mesures sont manquantes. Cela nous permet d’effectuer des estimations de paramètres cohérentes dans une grandes bases de données cliniques de 811 cas avec le modèle 0D.
Type de document :
Thèse
Medical Imaging. Université Nice Côte d'Azur, 2017. English
Liste complète des métadonnées

Littérature citée [139 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/tel-01656290
Contributeur : Roch Mollero <>
Soumis le : mardi 5 décembre 2017 - 15:09:11
Dernière modification le : jeudi 11 janvier 2018 - 15:48:58

Fichier

Final version.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01656290, version 1

Collections

Citation

Roch Molléro. Robust Personalisation of 3D Electromechanical Cardiac Models. Application to Heterogeneous and Longitudinal Clinical Databases.. Medical Imaging. Université Nice Côte d'Azur, 2017. English. 〈tel-01656290〉

Partager

Métriques

Consultations de la notice

122

Téléchargements de fichiers

51