Modélisation CFD 2D de la valve mitrale et de son influence sur l'écoulement dans le ventricule gauche pour le post-traitement de données échocardiographiques

L’étude de l’hémodynamique intraventriculaire permettrait de faire un diagnostic précoce de pathologies cardiaques. Au cours des dernières décennies, pour palier à la résolution limitée de l’imagerie médicale, des modèles numériques ont été développés pour améliorer la compré-hension de l’écoulement dans le cœur. Ce terrain fertile a permis la découverte de nombreux marqueurs diagnostics caractérisant la capacité cardiaque. En se rapprochant de la réalité in vivo, la complexification des modèles numériques, en terme de ressources informatiques et de spécificité des données utilisées, a rendu impossible leur utilisation dans un contexte clinique. La démarche régressive de ce mémoire est de concevoir un modèle numérique de complexité modérée pour le post-traitement d’images médicales. L’hypothèse de recherche est qu’un modèle CFD 2D ALE patient-spécifique à géométrie prescrite basé sur des données Échocardiographiques (EchoCG) mode B reconstruit de manière satisfaisante l’écoulement dans le Ventricule Gauche (VG) et permettrait la comparaison inter-individuelle. Ce projet de maîtrise se consacre uniquement à la conception du modèle numérique et s’arti-cule autour des objectifs suivants : l’implémentation en langage Python et l’automatisation basé sur l’écosystème API PyAnsys ; le développement d’un modèle paramétrique de Valve Mitrale (VM) ; l’étude de sensibilité des paramètres géométriques βt et βn, respectivement d’asymétrie et de prolapsus de la VM et finalement la validation des performances par com-paraison à la méthode iVFM et aux mesures EchoCG Doppler.

Abstract

The presymptomatic study of intraventricular hemodynamics could allow early diagnosis of cardiac pathologies. Over the past decades, numerical models have been developed to chal-lenge the limited resolution of medical imaging and to provide a better understanding of blood flow within the heart. Within this framework, numerous diagnostic markers were discovered to assess the cardiac function. As models have become closer to in vivo reality, their increas-ing complexity in terms of computational resources and data specificity has made their use in clinical settings impractical. The regressive approach claimed in this thesis is to design a numerically moderate model as a tool for the post-processing of medical images. The research hypothesis is that a 2D ALE patient-specific CFD model with prescribed geometry, based on B-mode echocardiographic (EchoCG) data, should provide satisfactory reconstruction of the flow in the Left Ventricle (LV) and enable inter-individual comparison. This master’s project mainly focuses on the design of this numerical model and is structured around the following objectives: the implementation in Python and the automation based on the PyAnsys API ecosystem; the development of a parametric model of the Mitral Valve (MV); a sensitivity study of the influence of geometric parameters βt and βn, representing respectively the asymmetry and the prolapse of the MV; and the validation of the model and its performance compared to the iVFM method and Doppler EchoCG measurements.