Soutenance de thèse : Kexin YAN

Simulation numérique de la croissance d'anévrisme de l'aorte ascendante pour l'aide à la décision chirurgicale

Doctorante : Kexin YAN

Laboratoire INSA : LaMCoS - Laboratoire de Mécanique des Contacts et des Structures

École doctorale : ED162 : MEGA de Lyon (Mécanique, Énergétique, Génie civil, Acoustique)

Prévoir l'évolution de la croissance des anévrismes de l'aorte ascendante (AscAA) représente un défi majeur en raison de l'interaction complexe entre la géométrie aortique, le comportement des tissus et la dynamique des flux sanguins. Cette étude explore un modèle de Fluide-Structure­ Croissance (FSG), basé sur la théorie Homogenized constrained mixture model (HCMM), pour simuler de manière réaliste la croissance des AscAA. Le modèle par éléments finis est initialisé avec une zone de dégradation de l'élastine, définie par la distribution des contraintes de cisaillement pariétales moyennes (TAWSS) dérivées des simulations de dynamique des fluides computationnelle. Dans un premier temps, nous menons une étude paramétrique pour évaluer l'influence de paramètres d'entrée spécifiques-tels que la direction du jet d'entrée, qui détermine les zones de TAWSS élevé, et la prédéformation initiale, qui impacte l'état homéostatique des tissus-ainsi que des paramètres matériaux sur les résultats de simulation de croissance. Ensuite, nous calibrons ces paramètres pour reproduire la croissance observée dans cinq cas patients, dont un cas disposant de données longitudinales. Nous parvenons à reproduire cette croissance longitudinale en tenant compte des mises à jour du TAWSS et de la rigidité du support élastique. Nos résultats montrent que l'approche FSG proposée, combinée à un ajustement des paramètres sensibles, permet de reproduire avec succès les schémas de croissance observés cliniquement, en validant à la fois le diamètre de l'anévrisme et la distribution des déplacements par comparaison à l'imagerie CT de suivi. Ce travail montre un potentiel prometteur pour une application à d'autres cas patients, contribuant ainsi aux efforts visant à développer un outil prédictif pour soutenir la prise de décision clinique.