La sécurité routière est un enjeu majeur de santé publique et de protection des personnes. D'après l'organisation mondiale de la santé (OMS), près de 1,2 millions de personnes meurent chaque année dans le monde suite à des accidents de la route (2015). D’après des données accidentologiques, 36,7% des blessures graves ont pour origine des lésions au thorax (Page et collab., 2012). La biomécanique en sécurité passive a pour rôle d'améliorer notre compréhension du corps humain dans le but de construire de meilleurs outils pour évaluer le risque de blessure.Les modèles numériques d'être humain sont employés pour simuler virtuellement les conditions d'un accident. Aujourd'hui, ils sont de plus en plus utilisés par les constructeurs automobiles et équipementiers pour mieux comprendre les mécanismes lésionnels. Cependant, ils n’existent que dans certaines tailles et ne prennent alors pas en compte les variations morphologiques observées dans la population.L'imagerie médicale 3D donne accès aux géométries des différentes structures anatomiques composant le corps humain. Les hôpitaux regorgent aujourd'hui de quantités d'images 3D couvrant une très large partie de la population en termes d'âge, de corpulence et de sexe.L’objectif global de cette thèse est de modéliser statistiquement la géométrie 3D de la cage thoracique à partir d'images médicales afin de personnaliser un modèle numérique de corps humain pour simuler par éléments finis des conditions de choc automobile. Le premier objectif est d’élaborer un protocole de segmentation une base de CT-scans de manière à obtenir des données géométriques adaptées à la construction d’un modèle statistique de forme de la cage thoracique.Le deuxième objectif est de construire un modèle statistique de forme de la cage thoracique, en prenant en compte sa structure articulée.Le troisième objectif est d’utiliser le modèle statistique de la cage thoracique pour déformer un modèle numérique d’être humain, de manière à étudier l’influence de certains paramètres sur le risque de blessure. / Road safety is a major issue of public health and personal safety. According to the World Health Organization (WHO), nearly 1.2 million people die each year worldwide due to road accidents (2015). According to accident data, 36.7% of serious injuries are caused by thoracic injuries (Page et al., 2012). The aim of biomechanics in passive safety is to improve our understanding of the human body in order to build better tools for assessing the risk of injury.Numerical human body models are used to virtually simulate the conditions of an accident. Today, they are increasingly used by car manufacturers and equipment manufacturers to better understand injury mechanisms. However, they exist only in few sizes and do not take into account the morphological variations observed in the population.3D medical imaging gives access to the geometries of the different anatomical structures that make up the human body. Today, hospitals are full of 3D images covering a very large part of the population in terms of age, body size and sex.The overall objective of this thesis is to statistically model the 3D geometry of the rib cage from medical images in order to personalize a numerical human body model to simulate car crash conditions.The first objective is to develop a segmentation process based on CT-scans in order to obtain geometric data adapted to the construction of a statistical model of shape of the rib cage.The second objective is to build a statistical model of the shape of the rib cage, taking into account its articulated structure.The third objective is to use the statistical model of the rib cage to deform a numerical human body model, in order to study the influence of certain parameters on the risk of injury.

Constitué d'un calotin en mousse et d'une coque extérieure, un casque protège la tête d'un impact, respectivement en dissipant une partie de l'énergie du choc et en limitant la pénétration d'un objet impactant. Une attention particulière est portée à la coque du casque. En effet, même si la plus grande partie de l'énergie est dissipée par la mousse, la coque assure deux rôles essentiels qui sont la protection à la pénétration et la distribution des déformations sur la mousse. De plus, du côté industriel le gain de masse peut s'avérer plus important sur la coque que sur la mousse. L'objectif de ce travail de recherche, réalisé en collaboration avec Thalès Avionics, est d'établir, pour la coque, des relations entre les phénomènes intervenants à l'échelle microscopique et la réponse acroscopique de la structure lors d'une sollicitation. D'un point de vue industriel, cette étude permet de sélectionner des matériaux aux caractéristiques améliorées vis-à-vis de l'impact. Une première campagne d'essais a révélé que l'ajout de copolymère tribloc (Nanostrengths) dans la matrice du composite Kevlar/Époxy augmente significativement les performances à l'impact du composite. En premier lieu, l'influence des caractéristiques physico-chimiques sur le comportement à l'impact est étudiée. Il en ressort qu'un fort taux de fibre couplé à 10% de Nanostrength améliore significativement la résistance à la perforation et augmente l'énergie dissipée. Ensuite, en vue de modéliser la coque du casque et de déterminer les phénomènes qui favorisent la dissipation d'énergie, un modèle de comportement est choisi. Il s'agit d'un modèle élastique endommageable. L'identification du modèle est réalisée en quasi-statique et en dynamique grâce à des essais matériaux. L'identification du modèle est optimisée et validée par la confrontation des résultats expérimentaux et des résultats de simulation. Ce travail constitue la première étape, vers la modélisation du casque dans le but de quantifier les phénomènes et d'optimiser sa structure vis-à-vis de l'application industrielle.

La sécurité automobile est l’une des principales considérations lors de l’achat d’un véhicule. Avant d’ être commercialisée, une voiture doit répondre aux normes de sécurité du pays, ce qui conduit au développement de systèmes de retenue tels que les airbags et ceintures de sécurité. De plus, des ratings comme EURO NCAP et US NCAP permettent d’évaluer de manière indépendante la sécurité de la voiture. Des essais catapultes sont entre autres effectués pour confirmer le niveau de protection du véhicule et les résultats sont généralement basés sur des valeurs de référence des dommages corporels dérivés de paramètres physiques mesurés dans les mannequins.Cette thèse doctorale présente une approche pour le traitement des données d’entrée (c’est-à-dire des paramètres des systèmes de retenue définis par des experts) suivie d’une classification des essais catapultes frontaux selon ces mêmes paramètres. L’étude est uniquement basée sur les données du passager, les données collectées pour le conducteur n’ étant pas assez complètes pour produire des résultats satisfaisants. L’objectif principal est de créer un modèle qui définit l’influence des paramètres d’entrées sur la sévérité des dommages et qui aide les ingénieurs à avoir un ordre de grandeur des résultats des essais catapultes selon la législation ou le rating choisi. Les valeurs biomécaniques du mannequin (outputs du modèle) ont été regroupées en clusters dans le but de définir des niveaux de dommages corporels. Le modèle ainsi que les différents algorithmes ont été implémentés dans un programme pour une meilleur utilisation quotidienne. / Safety is one of the most important considerations when buying a new car. The car has to achievecrash tests defined by the legislation before being selling in a country, what drives to the developmentof safety systems such as airbags and seat belts. Additionally, ratings like EURO NCAP and US NCAPenable to provide an independent evaluation of the car safety. Frontal sled tests are thus carried outto confirm the protection level of the vehicle and the results are mainly based on injury assessmentreference values derived from physical parameters measured in dummies.This doctoral thesis presents an approach for the treatment of the input data (i.e. parameters ofthe restraint systems defined by experts) followed by a classification of frontal sled tests accordingto those parameters. The study is only based on data from the passenger side, the collected datafor the driver were not enough completed to produce satisfying results. The main objective is tocreate a model that evaluates the input parameters’ influence on the injury severity and helps theengineers having a prediction of the sled tests results according to the chosen legislation or rating.The dummy biomechanical values (outputs of the model) have been regrouped into clusters in orderto define injuries groups. The model and various algorithms have been implemented in a GraphicalUser Interface for a better practical daily use.