Simulation de modèles personnalisés du coeur pour la prédiction de thérapies cardiaques

Simulation of patient-specific cardiac models for therapy planning

• Auteur / Autrice : Stephanie Marchesseau
• Direction : Hervé Delingette, Nicholas 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 (Nice ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Asclepios INRIA (Sophia Antipolis, Alpes-Maritimes) - Centre de mathématiques appliquées (Sophia Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Andrew Mcculloch
• Jury : Examinateurs / Examinatrices : Hervé Delingette, Nicholas Ayache, Reza Razavi, Dominique Chapelle, Oscar Camara, Herve Delingette, Maxime Sermesant
• Jury : Rapporteur / Rapporteuse : Andrew Mcculloch, Nicolas Smith

Mots clés

Mots clés contrôlés

Imagerie médicale

Biophysique

Cardiopathies

Mots clés libres

Modélisation Cardiaque

Mécanique Cardiaque

Modèle Informatique

Imagerie Médicale

Personnalisation

Etude de Spécificité

Cardiac modeling

Cardiac mechanics

Computer model

Medical imaging

Patient-specific

Specificity analysis

Résumé

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.

The clinical understanding and treatment of cardiovascular diseases is highly complex. For each patient, cardiologists face issues in determining the pathology, choosing a therapy or selecting suitable patients for the therapy. In order to provide additional guidance to cardiologists, many research groups are investigating the possibility to plan such therapies based on biophysical models of the heart. The hypothesis is that one may combine anatomical and functional data to build patient-specific cardiac models that could have the potential to predict the benefits of different therapies. Cardiac electromechanical simulations are based on computational models that can represent the heart geometry, motion and electrophysiology patterns during a cardiac cycle with sufficient accuracy. Integration of anatomical, mechanical and electrophysiological information for a given subject is essential to build such models.In this thesis, we first introduce the geometry, kinematics and electrophysiology personalizations that are necessary inputs to mechanical modeling. We propose to use the Bestel-Cl'ement-Sorine electromechanical model of the heart, which is sufficiently accurate without being over-parametrized for the available data. We start by presenting a new implementation of this model in an efficient opensource framework for interactive medical simulation and we analyze the resulting simulations through a complete sensitivity analysis.In a second step, the goal is to personalize the mechanical parameters from medical images (MRI data). To this end, we first propose an automatic calibration algorithm that estimates global mechanical parameters from volume and pressure curves. This technique was tested on 7 volunteers and 2 heart failure cases and allowed to perform a preliminary specificity study that intends to determine the relevant parameters able to differentiate the pathological cases from the control cases.Once initialized with the calibrated values, the parameters are then locally personalized with a more complex optimization algorithm. Reduced Order Unscented Kalman Filtering is used to estimate the contractilities on all of the AHA zones of the Left Ventricle, matching the regional volumes extracted from cine MRI data. This personalization strategy was validated and tested on several pathological and healthy cases. These contributions have led to promising results through this thesis and some are already used for various research studies.