Literatura académica sobre el tema "Ventricules du coeur – Thérapeutique – Modèles mathématiques"

L’objectif de cette thèse porte sur la validation d’un modèle biomécanique du cœur à base de mesures expérimentales, et sur des investigations concernant des applications cliniques en modélisation personnalisée. Dans le cadre 1D, nous avons reproduit des expériences physiologiques de contraction d’une fibre cardiaque. Concernant la validation 3D, nous avons effectué dans une collaboration clinique une expérience avec des animaux (cochons), afin d’obtenir des données saines et après création d’infarctus. Nous avons démontré que notre modèle est capable de représenter le cœur sain, et que l’infarctus peut-être correctement modèlisé en modifiant uniquement les paramètres de contractilité. Dans la première application clinique nous avons démontré que le modèle est prédictif sur l’effet immédiat d’une “Cardiac Resynchronization Therapy” (CRT), sur le critére du “max LV dp/dt”. La personnalisation du modèle a été réalisée au moyen des données d’IRM et de pressions avant la CRT. Puis, tous les paramètres du modèle étant figés, nous avons appliqué les schémas d’activation électrique correspondant aux modes de CRT. Nous avons obtenu une prédiction très proche des indicateurs mesurés sur 3 patients avec plusieurs schémas d’activation. Cette étude montre que la modélisation de CRT est très prometteuse comme assistance à la planification thérapeutique. Dans une deuxième application nous avons adapté des méthodes d’assimilation de données developpées dans le Projet MACS à l’INRIA. Nous avons ainsi réalisé une estimation conjointe état-paramètres en utilisant des données réelles (IRM). Nous avons réussi à personaliser automatiquement les paramètres de contractilité du myocard<br>The objective of this thesis is the assessment of a biomechanical heart model using experimental data, and the investigation of clinical applications with patient-specific modeling. At the 1D level we aimed at reproducing physiological experiments with myocardial fiber contraction. For the 3D validation we performed in co-operation with a clinical partner an experiment with animals (pigs) in order to obtain data in the healthy stage and after creating a myocardial infarct. We showed that our model can reproduce the pressures and motion of a healthy heart and that the infarct can be represented by changing only the parameters directly related to the pathology. The objective of the first clinical application was to predict the short-term effect of the Cardiac Resynchronization Therapy (CRT) by means of an increase of ‘max LV dp/dt’. The model personalization was performed using patients MRI and pressure data in the baseline condition – prior to CRT. Then we fixed the values of all parameters and applied electrical activation patterns according to the pacing modes considered. We obtained a very good prediction of max LV dp/dt using various pacing patterns in 3 clinical cases. This preliminary clinical validation shows that the modeling of CRT is a very promising approach as an assistance to therapy planning. The second application is based on the adaptation of data assimilation methods developed in the MACS team at INRIA. We performed joint state-parameter estimation with real image data. We showed the effectiveness of these algorithms in automatic model personalization and that the estimated contractility values can serve as an indicator of the local heart function

L'objectif de cette thèse porte sur la validation d'un modèle biomécanique du cœur à base de mesures expérimentales, et sur des investigations concernant des applications cliniques en modélisation personnalisée. Dans le cadre 1D, nous avons reproduit des expériences physiologiques de contraction d'une fibre cardiaque. Concernant la validation 3D, nous avons effectué dans une collaboration clinique une expérience avec des animaux (cochons), afin d'obtenir des données saines et après création d'infarctus. Nous avons démontré que notre modèle est capable de représenter le cœur sain, et que l'infarctus peut être correctement modélisé en modifiant uniquement les paramètres directement concernés par la pathologie. Dans la première application clinique nous avons démontré que le modèle est prédictif sur l'effet immédiat d'une "Cardiac Resynchronization Therapy" (CRT), sur le critère du "max LV dp/dt". La personnalisation du modèle a été réalisée au moyen des données d'IRM et de pressions au stade 'baseline' (avant la CRT). Puis, tous les paramètres du modèle étant figés, nous avons appliqué les schémas d'activation électrique correspondant aux modes de CRT. Nous avons obtenu une prédiction très proche des indicateurs mesurés sur 3 patients avec plusieurs schémas d'activation. Cette étude clinique préliminaire montre que la modélisation de CRT est très prometteuse comme assistance à la planification thérapeutique. Dans une deuxième application nous avons adapté des méthodes d'assimilation de données développées dans l'Equipe-Projet MACS à l'INRIA, à des fins d'aide au diagnostic. Nous avons ainsi réalisé une estimation conjointe état-paramètres en utilisant des données réelles (IRM). Nous avons démontré l'efficacité de ces méthodes, et l'intérêt des paramètres de contractilité estimés comme indicateurs de la fonction du myocarde.

Le contourage des ventricules cardiaques sur IRM est nécessaire à la détermination de la fonction contractile du cœur. Cette tâche est difficile, en particulier pour le ventricule droit (VD), due au flou aux frontières des cavités, aux irrégularités des intensités et à sa forme complexe et variable. Peu de travaux ont cependant été réalisés afin de résoudre cette problématique de segmentation. Dans ce but, nous avons proposé et développé deux méthodes de segmentation basées sur la méthode des coupes de graphe (GC), à laquelle nous avons incorporé des a priori de forme. La première méthode, semi-automatique, repose sur une carte d'a priori statistique créée à base d'Analyses en Composantes Principales et intégrée à la méthode des GC binaires. La seconde, automatique, permet la segmentation d'un ensemble d'objets par GC multi-labels à partir d'un modèle de forme probabiliste basé sur le recalage et la fusion d'atlas. Ces méthodes ont été évaluées sur une base importante d'IRM cardiaques, composée de 48 patients. Une comparaison aux méthodes de l'état de l'art pour cette application à travers le challenge de segmentation du VD MICCAI'12, que nous avons organisé, montre l'efficacité de nos méthodes.