Computational simulation of aortic and intracranial endovascular aneurysm repair
Bibliographic record
Abstract
Au cours des dernières années, les interventions endovasculaires se sont imposées comme une alternative non invasive pour le traitement des maladies cardiovasculaires, ouvrant de nouvelles perspectives pour renforcer la maîtrise des procédures. Cette thèse vise à accroître l’efficacité des traitements endovasculaires en développant une plateforme virtuelle capable de prédire l’évolution des dispositifs endovasculaires et de servir à la fois d’outil de test et d’enseignement en milieu clinique. Cette étude porte sur deux principaux traitements endovasculaires concernant différentes localisations anatomiques et prothèses : (i) le traitement endovasculaire des anévrismes de l’aorte abdominale (AAA), en mettant l’accent sur les endoprothèses (stent-grafts, SG), et (ii) le traitement endovasculaire des anévrismes intracrâniens (AI), en se concentrant sur les déviateurs de flux (flow-diverters, FD). La méthode des éléments finis (FEM) a été utilisée pour concevoir des modèles virtuels permettant d’évaluer la réponse biomécanique lors de la compression, de la navigation et du déploiement de ces prothèses. La précision des modèles virtuels dépend fortement des hypothèses et simplifications numériques liées à des facteurs mécaniques et géométriques. Notre méthodologie intègre des conditions spécifiques au patient tout en aspirant à un caractère universel pour le modèle. De plus, afin de répondre aux exigences de la pratique clinique, la conception du modèle s’est concentrée sur l’efficacité économique, la haute fidélité, l’universalité et une interaction utilisateur implicite. Une analyse approfondie des maladies cardiovasculaires, des méthodes de traitement et de la littérature existante sur les modèles virtuels est essentielle à leur élaboration. L’étude a établi les hypothèses numériques pour des dispositifs endovasculaires tels que les guides et les cathéters, ainsi que pour les tissus environnants. Contrairement aux études précédentes qui s’appuient sur des géométries simplifiées ou des algorithmes de morphing, le cadre proposé intègre directement dans la simulation les tissus environnants (thrombus intraluminal, os et tissu adipeux périvasculaire) afin de reproduire des conditions aux limites mécaniques fidèles aux conditions réelles. Dans le cas des FD, un modèle analytique a été proposé pour compléter le modèle virtuel du FD, en insistant sur la compréhension du comportement morphologique du FD afin de prédire sa flexibilité et ses propriétés d’auto-expansion. Pour valider l’exactitude de ces hypothèses et simplifications numériques, les résultats ont été comparés aux traitements réels, principalement en confrontant la ligne centrale, la position, la longueur et les diamètres des prothèses, ainsi qu’en procédant à des évaluations qualitatives de la forme finale des prothèses déployées. L’étude sur les stent-grafts s’inscrit dans la continuité des travaux précédents de notre groupe au LCTI, dont les hypothèses numériques ont été validées par des essais mécaniques. Le modèle virtuel de FD constituait un nouveau domaine d’étude et a d’abord été validé grâce à des essais mécaniques issus de la littérature. Un bref aperçu de la comparaison entre la simulation et les résultats cliniques en temps réel a révélé une distance modifiée de Hausdorff moyenne de 1,71 ± 1,40 mm pour la ligne centrale du SG et une erreur globale de 1,5 % pour la prédiction de la longueur du dispositif FD. Ces résultats suggèrent que nos méthodologies sont prometteuses et justifient des recherches plus approfondies. Ce travail met en évidence le potentiel des modèles virtuels comme plateforme de planification préopératoire pour les interventionnistes, facilitant la prise de décision quant au choix du dispositif et de la technique de traitement, et optimisant ainsi le succès des procédures. De plus, les modèles virtuels offrent une compréhension plus poussée des forces, contraintes, déformations et allongements. Ils peuvent également servir de plateforme de test pour l’innovation dans les dispositifs endovasculaires, un outil complémentaire aux essais sur animaux et aux essais cliniques, tout en facilitant la planification de la chirurgie endovasculaire robotique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".