Développement et évaluation de nouveaux outils d'analyse géométrique 3D pour la prévention et le traitement des maladies aortiques
Development and evaluation of new 3D geometric analysis tools to prevent and treat aortic diseases
par Damian CRAIEM sous la direction de Alain SIMON et de Jean-Marc ALSAC
Thèse de doctorat en Pathologie cardio-vasculaire
ED 561 Hématologie, oncogenèse et biothérapies

Soutenue le jeudi 13 octobre 2016 à Sorbonne Paris Cité

Sujets
  • Anévrisme de l'aorte
  • Imagerie tridimensionnelle
  • Scanographie

Les thèses de doctorat soutenues à Université Paris Cité sont déposées au format électronique

Consultation de la thèse sur d’autres sites :

Theses.fr (Version intégrale de la thèse (pdf))

Description en anglais
Description en français
Mots clés
Aorte, Tomodensitométrie, Traitement numérique d'images, Calcification artérielle, Anévrisme aortique, Dissection aortique
Resumé
Les nouvelles technologies d'imagerie basées sur la tomodensitométrie en coupe permettent l'évaluation de très haute qualité de la structure 3D de l'aorte thoracique. La reconstruction virtuelle et les modèles géométriques de l'aorte sont indispensables à l'exploitation des images dont le temps de traitement manuel reste cependant considérable et les outils numériques insuffisants ou inadaptés pour mesurer correctement sa morphologie. L'aorte n'est pas un simple tube de conduction du sang mais un organe de régulation de la pulsatilité des ondes de pression provoquées par l'éjection cardiaque. Ses désordres biomécaniques peuvent accélérer la formation de calcifications dans sa paroi et entrainer des risques de graves complications, comme les anévrismes et les dissections. La réparation aortique basée sur l'implantation d'endoprothèses est en pleine évolution et requiert des renseignements morphologiques précis pour en améliorer le taux de succès. Notre objectif a été d'étudier la géométrie tridimensionnelle de l'aorte en développant des algorithmes appropriés. Une plateforme informatique a été conçue et testée pour étudier trois pathologies de l'aorte: l'athérosclérose calcifiée, l'anévrisme et la dissection. L'hypothèse du travail a été que la géométrie spécifique des artères de chaque individu joue un rôle complémentaire à celui des facteurs de risque traditionnels dans le développement de ces pathologies. Notre premier travail a montré que trois facteurs résument 80% de la variabilité géométrique de l'aorte thoracique: le volume aortique, le déroulement et la symétrie de l'arche aortique, avec des taux de variabilité respectifs de 46%, 22% et 12%. Dans deux travaux suivants, nous avons montré que les calcifications de l'aorte thoracique se concentrent principalement dans la crosse et dans le segment descendant proximal, et que cette distribution était associée à la morphologie de l'aorte indépendamment de l'âge, du sexe, de la surface corporelle et des facteurs de risque traditionnels. Le quatrième travail a montré que le score de dépôt calcique dans toute l'aorte thoracique incluant la crosse était plus étroitement associé aux complications non-cardiaques, vasculaires périphériques et cérébrales, que le score traditionnel de calcium coronaire. Il faut noter que la crosse aortique n'est pas visualisée dans les études de routine de calcium coronaire sans injection. Le cinquième travail décrit un modèle déformable capable de segmenter la lumière aortique dans un contexte pathologique. Il a été appliqué pour étudier de façon automatisée la taille d'un anévrisme abdominal avant et après la pose d'une endoprothèse. Dans le dernier travail, la méthode précédente a été adaptée pour étudier la géométrie aortique des patients atteints de dissection comparativement à un groupe témoin de patients qui en étaient indemnes. Trois variables géométriques ont été identifiées dans le modèle de prédiction du risque de dissection: le diamètre de la crosse, la longueur de l'aorte thoracique et l'âge. En conclusion, nos résultats montrent que les maladies aortiques sont étroitement associées à la géométrie de l'aorte indépendamment des facteurs de risque traditionnels. Les algorithmes que nous avons développés ouvrent la voie à l'automatisation et à une réduction de la variabilité des mesures.