Reduced-order models for blood flow in networks of large arteries - TEL - Thèses en ligne
Theses Year : 2017

Reduced-order models for blood flow in networks of large arteries

Modèles simplifiés d’écoulements sanguins appliqués à des réseaux de grandes artères

Abstract

Every cardiac cycle, the heart contracts and ejects blood into the vascular network. This periodic inflow translates into the propagation of a pulse wave, which, through interactions with the elastic arterial wall, the blood and the complex arterial network, shapes itself into the pulsatile signal clinicians observe on a daily basis. Understanding these complex wave propagation dynamics is of great clinical relevance as large arteries are a breeding ground for many common cardiovascular pathologies which are often triggered by hemodynamical factors. Unfortunately, hemodynamics in large arteries are too complex to be apprehended using only non-invasive measurements and medical imaging techniques. Patient-specific numerical simulations of blood flow have therefore been developed to provide clinicians with valuable insights on pathogenesis and the outcome of surgeries. As three-dimensional models are usually used only in small portions of the cardiovascular system due to their high modeling and computational costs, we have used reduced-order models to reproduce complex wave propagation behaviors in large networks of arteries. We have first focused on one-dimensional models for blood flow and developed novel approaches that take into account the non-Newtonian behavior of blood and the viscoelastic response of the arterial wall. Next, we have proposed a fluid-structure interaction twodimensional blood flow model to capture the complex flow patterns in stenoses and aneurysms unavailable to classical one-dimensional models. Finally, we have applied these models to compute the flow in large arterial networks and to predict the outcome of bypass surgeries.
La contraction périodique du coeur est à l’origine de l’onde de pouls qui, de part son interaction avec les artères élastiques, le sang et le réseau artériel lui-même, devient le signal observé quotidiennement par les médecins. Cette dynamique ondulatoire est d’une importance primordiale dans la compréhension de la genèse de nombreuses maladies cardiovasculaires. En effet, ce sont souvent des facteurs hémodynamiques qui sont à l’origine de la croissance de ces pathologies. Malheureusement, les mesures non-invasives et l’imagerie médicale sont souvent insuffisantes pour appréhender la complexité des écoulements sanguins. La simulation numérique est donc en plein essor car celle-ci permet d’obtenir des données précises dans des régions vasculaires difficiles d’accès. Bien que les modèles sanguins tridimensionnels soient très précis et permettent de reproduire fidèlement la géométrie vasculaire, leur coût, à la fois numérique et paramétrique, est trop important pour que ceux-ci soient utilisés dans de grands réseaux vasculaires. Nous avons donc choisi d’utiliser des modèles simplifiés qui permettent d’accéder à cette dynamique de réseau si importante. Premièrement, nous nous sommes intéressés aux modèles unidimensionnels et nous avons développé de nouvelles approches permettant de prendre en compte l’aspect non-Newtonien du sang et la viscoélasticité des parois artérielles. Secondement, nous avons proposé un modèle bidimensionnel, que nous avons utilisé pour simuler l’écoulement dans des sténoses et anévrismes. Finalement, nous avons utilisé ces modèles pour décrire l’écoulement du sang dans de grands réseaux artériels et pour optimiser un pontage extracorporel.
Fichier principal
Vignette du fichier
2017PA066422.pdf (32.56 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-01666313 , version 1 (18-12-2017)
tel-01666313 , version 2 (23-04-2018)

Identifiers

  • HAL Id : tel-01666313 , version 2

Cite

Arthur Ghigo. Reduced-order models for blood flow in networks of large arteries. Fluid mechanics [physics.class-ph]. Université Pierre et Marie Curie - Paris VI, 2017. English. ⟨NNT : 2017PA066422⟩. ⟨tel-01666313v2⟩
357 View
138 Download

Share

More