Les prothèses vasculaires textiles en polyéthylène téréphtalate (PET) présentent souvent des occlusions après implantation pour les petits diamètres (6-8mm) car la surface des prothèses est peu hémocompatible. Or, l'hémocompatibilité des prothèses serait largement améliorée si ces dernières se recouvraient d'une couche de cellules endothéliales qui tapissent naturellement les vaisseaux sanguins. Ce projet vise à mettre en évidence que les textiles bruts ne sont pas un support viable pour le développement de ces cellules endothéliales, puis propose de remplacer les matrices protéiniques par un recouvrement synthétique. Pour ce faire, de l'acide poly-L-lactique (PLA) solubilisé a été filé sous forme de nanofibres déposées sur la surface luminale de la prothèse. L'étirage par jet d'air a été caractérisé selon un modèle plan, puis adapté à la fon11e tubulaire des prothèses. Les nanofibres ont été évaluées sur le plan de la cytocompatibilité, de l'adhérence et de la prolifération avec un modèle de cellules endothéliales animales. Ce travail vise aussi à optimiser l'adhérence de ces fibres sur le PET par l'emploi d'une technique de modification de surface par plasma. Les résultats montrent qu'il est possible de produire des nanofibres de PLA et de contrôler leur diamètre, et de sceller la paroi de la prothèse textile. Enfin, les cellules endothéliales prolifèrent en monocouche sur des prothèses recouve1tes de nanofibres. Il est possible d'optimiser l'adhérence des nanofibres sur le PET avec un traitement par plasma. En conclusion nous avons proposé une alternative à l'enduction traditionnelle des prothèses permettant la prolifération en monocouche des cellules endothéliales. / Textile vascular prostheses show poor patency rate for smaller diameter grafts (6-8mm). Mainly due to thrombosis or hyperplasia, graft failures can be explained by meagre hemocompatibility. Lack of neoendothelialization of the inner wall of the graft can be one reason explaining this poor hemocompatibility, This project aimed to prove that bare textiles are not a good support to stand endothelial cells' proliferation. Poly(L-latic) acid was therefore chosen to replace protein coating by being formed as a nanofibres mesh on the PET textile prostheses luminal surface. Air jet spinning process was first evaluated in a basic planar model to determined optimal parameters for nanofibres production. Endothelial cells compatibility, adhesion and proliferation were tested. Then air jet spinning was dedicated to tubular shape of textile vascular prostheses. Nanofibres mesh were analysed for chemical and physical properties, and covered graft were tested for water permeability. Lastly, atmospheric pressure plasma treatment was performed to optimize PLLA nanofibres adhesion on PET. Results showed that nanofibre diameters were controlled by polymer concentration. Nanofibre cristallinities depend of spinning parameters. Air jet spinning allows quick covering of textile surfaces with a dense net of nanofibre scelling the inner wall of the prosthesis, even in tubular samples. Moreover, endothelial ceIls show monolayer proliferation on these nanofibres. Finally, Polylactic acid adhesion on PET was optimized with atmospheric pressure plasma. In conclusion, we bring a new solution to cover inner wall of prostheses, allowing a monolayer proliferation of endothelial cells.

This master thesis focuses on applying deep neural networks (DNNs) in image-based condition monitoring of air-jet spinning machines, specifically focusing on the spinning pressure parameter. The study aims to develop a sensor system to detect structural defects in yarns and assign them to specific machine conditions. The research explores using DNNs to analyze images of yarns generated at different spinning pressures within the spinning box to create a rich dataset for training deep learning models. The study also evaluates the effectiveness of the DNN-based approach in detecting and classifying structural defects in yarns and determining the corresponding machine conditions. The outcomes of this research could potentially help textile enterprises improve the quality and efficiency of their yarn manufacturing processes.