Le travail de thèse porte sur l'analyse de la fonction électrique et mécanique du cœur afin d'étudier les effets de l'insuffisance cardiaque. Il débouche sur un ensemble d'outils qui peuvent aider le clinicien à mieux comprendre et traiter l'asynchronisme cardiaque, un des aspects de l'insuffisance cardiaque. Il a pour principal objectif de résoudre le problème inverse du couplage électro-cinématique : estimer l'électrophysiologie cardiaque sans avoir à effectuer des procédures invasives de cartographie cardiaque. Les séquences cardiaques acquises de manière non-invasive sont déjà largement utilisées dans les centres cliniques et pourraient permettre de caractériser l'électrophysiologie cardiaque sans procédure invasive. La première contribution de ce travail est l'évaluation d'une méthode de recalage non-linéaire appliquée sur des séquences cardiaques pour l'estimation du mouvement. La deuxième est une nouvelle approche de simulation de séquences synthétiques d'images cardiaque. Nous utilisons des séquences réelles et un modèle électromécanique du cœur pour créer des séquences synthétiques contrôlées. Le réalisme des séquences générées repose sur l'utilisation conjointe d'un modèle biophysique et d'images réelles lors de la simulation. Enfin, la troisième contribution concerne une méthode d'estimation de la carte d'activation électrique du cœur à partir d'images médicales. Pour ce faire, nous utilisons une base de données d'images synthétiques cardiaques personnalisée à chaque patient. Ces images et les cartes d'activation électrique utilisées lors de la simulation fournissent une base d'entrainement pour apprendre la relation électro-cinématique du cœur. / This thesis focuses on the analysis of the cardiac electrical and kinematic function for heart failure patients. An expected outcome is a set of computational tools that may help a clinician in understanding, diagnosing and treating patients suffering from cardiac motion asynchrony, a specific aspect of heart failure. Understanding the inverse electro-kinematic coupling relationship is the main task of this study. With this knowledge, the widely available cardiac image sequences acquired non-invasively at clinics could be used to estimate the cardiac electrophysiology (EP) without having to perform the invasive cardiac EP mapping procedures. To this end, we use real clinical cardiac sequence and a cardiac electromechanical model to create controlled synthetic sequence so as to produce a training set in an attempt to learn the cardiac electro-kinematic relationship. Creating patient-specific database of synthetic sequences allows us to study this relationship using a machine learning approach. A first contribution of this work is a non-linear registration method applied and evaluated on cardiac sequences to estimate the cardiac motion. Second, a new approach in the generation of the synthetic but virtually realistic cardiac sequence which combines a biophysical model and clinical images is developed. Finally, we present the cardiac electrophysiological activation time estimation from medical images using a patient-specific database of synthetic image sequences.
Identifer | oai:union.ndltd.org:theses.fr/2013NICE4003 |
Date | 21 January 2013 |
Creators | Prakosa, Adityo |
Contributors | Nice, Delingette, Hervé, Sermesant, Maxime, Ayache, Nicholas |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text, StillImage |
Page generated in 0.0023 seconds