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 3D virtuelles de cas cliniques réels pour aider les cliniciens à prédire le comportement du cœur ou à mieux comprendre certaines pathologies. Dans cette thèse nous illustrons d'abord la nécessité d'une approche robuste d'estimation des paramètres, dans un cas ou l'incertitude dans l'orientation des fibres myocardiques entraîne une incertitude dans les paramètres estimés qui est très large par rapport à leur variabilité physiologique. Nous présentons ensuite une approche originale multi-échelle 0D/3D pour réduire le temps de calcul, basée sur un couplage multi-échelle entre les simulations du modèle 3D et d'une version "0D" réduite de ce modèle. Ensuite, nous dérivons un algorithme rapide de personnalisation multi-échelle pour le modèle 3D. Dans un deuxième temps, nous construisons 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 cardiomyopathies à long terme, d'autre part la modélisation des changements cardiovasculaires pendant la digestion. Enfin, nous présentons un algorithme pour sélectionner automatiquement des directions observables dans l'espace des paramètres à partir d'un ensemble de mesures, et calculer des probabilités "a priori" cohérentes dans ces directions à partir des valeurs de paramètres dans la population. Cela permet en particulier de contraindre l'estimation de paramètres dans les cas où des mesures sont manquantes. Au final nous présentons des estimations cohérentes de paramètres dans une base de données de 811 cas avec le modèle 0D et 137 cas du modèle 3D.
Type de document :
Thèse
Signal and Image processing. Université Côte d'Azur, 2017. English. 〈NNT : 2017AZUR4106〉
Liste complète des métadonnées

Littérature citée [106 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01737200
Contributeur : Abes Star <>
Soumis le : lundi 19 mars 2018 - 12:28:07
Dernière modification le : mardi 24 avril 2018 - 13:22:33

Fichier

2017AZUR4106.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01737200, version 1

Collections

Citation

Roch Molléro. Robust personalisation of 3D electromechanical cardiac models. Application to heterogeneous and longitudinal clinical databases. Signal and Image processing. Université Côte d'Azur, 2017. English. 〈NNT : 2017AZUR4106〉. 〈tel-01737200〉

Partager

Métriques

Consultations de la notice

314

Téléchargements de fichiers

77