Un précurseur du tutoriel est la création d'un modèle de vascularisation spécifique au patient. Dans cette démonstration, les outils Materialise Mimics, 3D Systems Geomagic Design X et Altair HyperMesh ont été utilisés pour générer un maillage de volume tétraèdre à partir de données MRA.
1. Générer des lignes maîtresses de navire pour le modèle
2. Configuration des données dans le logiciel de visualisation
3. Remap 4D Flow IRM avec le maillage volumétrique-grille et supprimer le bruit
4. Déterminer les conditions de limite d'entrée et de débit de sortie
5. Mise en place de simulations CFD
Source: Joseph C. Muskat, Vitaliy L. Rayz, et Craig J. Goergen, Weldon School of Biomedical Engineering, Purdue University, West Lafayette, Indiana
L'…
Un précurseur du tutoriel est la création d'un modèle de vascularisation spécifique au patient. Dans cette démonstration, les outils Materialise Mimics, 3D Systems Geomagic Design X et Altair HyperMesh ont été utilisés pour générer un maillage de volume tétraèdre à partir de données MRA.
1. Générer des lignes maîtresses de navire pour le modèle
2. Configuration des données dans le logiciel de visualisation
3. Remap 4D Flow IRM avec le maillage volumétrique-grille et supprimer le bruit
4. Déterminer les conditions de limite d'entrée et de débit de sortie
5. Mise en place de simulations CFD
Se connecter ou pour accéder au contenu complet. En savoir plus sur l’accès de votre institution au contenu JoVE ici
Les simulations computationnelles de la dynamique des fluides sont utilisées pour analyser le flux sanguin dans le système vasculaire du patient afin d’orienter le diagnostic et le traitement. La dynamique des fluides numérique, ou CFD, utilise des méthodes d’analyse numérique pour modéliser l’écoulement des fluides et simuler des conditions réalistes pour de nombreux scénarios d’écoulement différents, tels que l’écoulement des fluides autour d’un avion à grande vitesse, à travers des réseaux de tuyauterie complexes et au sein de notre système cardiovasculaire.
Dans l’application médicale, diverses techniques d’imagerie sont utilisées pour obtenir des géométries de vaisseaux sanguins. Ensuite, des simulations CFD sont effectuées, qui sont utilisées pour prédire la progression de la maladie et modéliser des scénarios de traitement pour les dysfonctionnements vasculaires, y compris les maladies coronariennes, les malformations artérioveineuses et les anévrismes.
Cette vidéo illustrera les principes de la CFD, démontrera comment les géométries des vaisseaux sanguins sont utilisées pour modéliser l’hémodynamique à haute résolution et discutera de certaines applications de la CFD.
Tout d’abord, comprenons la dynamique cardiovasculaire et les principes de la CFD.
L’hémodynamique cardiovasculaire décrit la dynamique du flux sanguin dans le cœur, y compris à travers les ventricules gauche et droit et les oreillettes, et le flux sanguin dans les vaisseaux du cœur vers le reste du corps. Les réseaux vasculaires complexes peuvent être visualisés à l’aide de l’angiographie par résonance magnétique et de la vélocimétrie ou de la fluoroscopie à rayons X. Ces méthodes décrivent la géométrie des vaisseaux sanguins du patient et définissent les conditions limites d’écoulement.
Une fois cela acquis, les données de vitesse du sang sont segmentées en voxels, qui sont des unités d’information graphique définissant un espace 3D, et le déphasage est obtenu à chaque voxel. Ceux-ci dépendent du rapport gyromagnétique, du champ magnétique principal, du champ de gradient appliqué et de la position du spin. Cela dépend à son tour de la position initiale de la rotation, de la vitesse de rotation et de l’accélération de la rotation. Tau est le temps qui définit la quatrième dimension.
Ces paramètres sont définis par l’IRM et entrés dans les simulations CFD. La vitesse d’écoulement 3D est déterminée en résolvant numériquement les équations de Navier-Stokes ou NS. Les équations NS sont les équations régissantes du mouvement des fluides résolues pour déterminer les distributions de vitesse et de pression. Ils prennent en compte la densité, la vitesse, la pression et la viscosité dynamique de l’écoulement.
Nous allons maintenant voir comment ces principes de dynamique des fluides sont appliqués à des géométries de vaisseaux sanguins réels pour produire des simulations CFD à haute résolution.
Avant de commencer, créez un modèle vasculaire spécifique au patient à partir des données ARM. Cela peut être fait à l’aide d’un logiciel open source pour la segmentation des images.
Pour cette démonstration, un maillage de volume tétraédrique a été généré. Ouvrez maintenant l’interface graphique Python du lanceur vmtk. Dans le PypePad, entrez le nom de fichier nécessaire. Cette commande simple extraira le fichier STL d’entrée du bureau. Sélectionnez Exécuter, Exécuter tout pour charger les données dans le programme. Une nouvelle fenêtre s’ouvrira qui affichera des instructions et un rendu du modèle d’entrée.
Faites pivoter le modèle et placez le curseur à chaque emplacement d’entrée. Appuyez sur la barre d’espace pour placer une graine sur une entrée. Répétez cette opération pour toutes les entrées. Appuyez ensuite sur Q pour continuer. Répétez maintenant le même placement des graines pour tous les points de vente. Appuyez à nouveau sur Q et laissez le programme s’exécuter. Le fichier de trait d’axe sera généré et enregistré sur le bureau.
Nous sommes maintenant prêts à utiliser l’outil de visualisation open source ParaView pour séparer les voxels contenant des données de flux des tissus stationnaires. Recherchez les fichiers suivants : le maillage de volume spécifique au patient, les fichiers Centerline et les fichiers EnSight.case, puis cliquez sur OK pour charger les données sur l’interface. Accédez au tableau Propriétés et sélectionnez Appliquer pour charger et lire toutes les informations. Mettez ensuite en surbrillance le maillage volumétrique dans le navigateur de pipeline.
Dans le tableau Propriétés, définissez la valeur d’opacité sur 0,2 et 0,5. Les traits d’axe et le rendu géométrique doivent maintenant être visibles. Ensuite, allez dans le menu supérieur et sélectionnez Filtres, Alphabétique, Rééchantillonner avec jeu de données, et définissez la source comme maillage de volume et l’entrée comme fichier EnSight.case. Cliquez sur OK pour continuer, puis appliquez le filtre dans le tableau Propriétés. Ensuite, mettez en surbrillance le nouvel ensemble de données Rééchantillonner avec et réduisez l’opacité.
Dans le menu supérieur, modifiez les traits d’axe de Surface à Points. Pour déterminer les conditions limites, allez sur le côté droit de l’interface et sélectionnez l’outil Diviser horizontalement Créer une vue. Choisissez l’option Affichage Tableur. Dans la liste déroulante Affichage, sélectionnez le fichier Trait d’axe et parcourez les fichiers, en sélectionnant différents points pour identifier un emplacement dans chaque entrée et sortie. Utilisez maintenant la vue Tableur pour calculer le vecteur normal entre deux points.
Après avoir trouvé le vecteur, activez ResampleWithDataset et sélectionnez Filtres, Alphabétique, Tranche. Assurez-vous que le filtre Tranche apparaît, puis accédez à la table Propriétés et définissez l’origine du plan comme le même emplacement de point X, Y, Z pour l’un des deux points utilisés pour calculer le vecteur normal. Utilisez-le pour remplir les valeurs normales, puis sélectionnez Appliquer. Activez le filtre Tranche nouvellement créé et sélectionnez Filtres, Alphabétique, Écoulement de surface. Cliquez sur Appliquer, puis activez le nouvel élément Écoulement de surface, suivi de Filtres, Alphabétique, Pas de temps de groupe, Appliquer.
Dans la vue Feuille de calcul, ouvrez les données GroupTimeSteps et utilisez Exporter la feuille de calcul ou copier-coller pour exporter ces données vers Microsoft Excel. Dans ParaView, déterminez les pas de temps et la taille du pas de temps en parcourant le temps. Pour la simulation, nous voulons que le cycle cardiaque commence à l’heure égale à zéro. Par conséquent, générez l’échelle de temps adéquate. Activez ensuite le filtre Tranche et sélectionnez Filtres, Alphabétique, Intégrer les variables.
Dans la fenêtre contextuelle, modifiez Attribut pour afficher les données de cellule. Cela vous fournit la section transversale de la tranche d’entrée. Pour rendre les données de flux compatibles avec ANSYS Fluent, déterminez l’échelle de temps en secondes et la vitesse d’entrée en mètres par seconde.
La première ligne doit contenir un nom de données, un nombre de colonnes, un nombre de lignes et un déclencheur binaire pour la répétabilité. La ligne suivante contient les noms de chacune des colonnes de données. Les vitesses d’écoulement, et non les taux, sont définies sous l’en-tête de colonne respectif. Afin de simuler plusieurs cycles cardiaques en douceur, les valeurs de vitesse initiale et finale doivent être équivalentes.
Choisissez Fichier, Lecture, Casse et ouvrez le fichier .cas de maillage de volume utilisé précédemment. Cochez la case Afficher le maillage après lecture pour afficher le maillage une fois importé. Sélectionnez Mettre à l’échelle et appliquez la conversion d’unité nécessaire pour garantir la taille physique correcte du modèle. Sélectionnez Créer/Modifier les matériaux et saisissez les propriétés du matériau pour le sang.
Maintenant, sélectionnez la fenêtre de commande de la console et entrez file/. Utilisez read-transient-table pour importer les formes d’onde de flux transitoire situées au même emplacement que le fichier .cas de maillage de volume. Utilisez les formes d’onde obtenues à partir des mesures IRM de flux 4D pour définir les conditions limites d’entrée. Utilisez ensuite un rapport pondéré entre l’entrée et la sortie pour définir les conditions limites de sortie.
Définir les schémas numériques utilisés pour le couplage pression-vitesse et la discrétisation des équations de Navier-Stokes. Ensuite, dans l’initialisation de la solution, définissez toutes les valeurs initiales sur zéro. Sous Activités de calcul, désignez un dossier de solution pour enregistrer les résultats et spécifiez la fréquence à l’aide de l’option Enregistrement automatique, Tous les pas temporels. Sous Exécuter le calcul, configurez la taille du pas de temps à partir des données de conditions aux limites Excel. Il est souvent préférable de sélectionner un pas de temps plus petit et de laisser Fluent interpoler. Répétez l’opération pendant au moins trois cycles cardiaques.
Enfin, réglez le nombre maximal d’itérations entre 300 et 500. Le logiciel arrêtera automatiquement les itérations à chaque pas de temps une fois que la convergence se produira. Une fois la simulation entièrement configurée, revenez à Initialisation, Initialiser. Revenez à Exécuter le calcul et sélectionnez Calculer pour exécuter le solveur. Les données de la solution peuvent désormais être visualisées dans le logiciel ANSYS CFD-Post ou ParaView.
Nous allons maintenant examiner quelques données représentatives. Voici un exemple d’anévrisme cérébral. À partir des données d’IRM à flux 4D, des modèles complexes de recirculation d’écoulement dans la région anévrysmale ont été détectés. Cependant, la résolution est limitée dans les régions d’écoulement stagnant observées dans la partie supérieure et inférieure de la lésion. Après avoir effectué des simulations CFD, une résolution plus élevée du champ de vitesse a été obtenue, en particulier près des parois du navire.
La CFD peut également être utilisée pour comparer différentes conditions d’écoulement dans le même récipient. Par exemple, les simulations d’un découpage chirurgical de l’artère cérébrale antérieure droite et gauche aident à visualiser les effets de la procédure sur la dynamique de l’écoulement.
Les simulations numériques de la dynamique des fluides du flux sanguin sont des outils utiles utilisés dans diverses applications biomédicales.
Par exemple, les conditions hémodynamiques au sein du système vasculaire affectent le développement et la progression des maladies artérielles, y compris l’athérosclérose et les anévrismes. Étant donné que les mesures directes sont difficiles à acquérir in vivo, la CFD est un outil de recherche standard utilisé pour modéliser la dynamique du flux sanguin. Il peut fournir aux médecins des conseils pour le diagnostic, ainsi que différents scénarios de traitement.
En plus de la modélisation vasculaire, les simulations CFD servent à simuler le flux d’air sur la base de modèles de voies respiratoires nasales. Il est particulièrement utile de concevoir des protocoles permettant d’administrer, de manière adéquate et contrôlée, des aérosols pharmaceutiques à des régions olfactives ciblées qui interagissent directement avec le cerveau.
Vous venez de regarder l’introduction de JoVE à la dynamique des fluides numérique pour simuler le flux sanguin. Vous devriez maintenant comprendre comment la dynamique du flux sanguin à haute résolution peut être modélisée sur la base de géométries de vaisseaux tridimensionnelles. Merci d’avoir regardé !
View the full transcript and gain access to JoVE Science Education videos
Q1: What is computational fluid dynamics and how is it used in medical applications?
Computational fluid dynamics (CFD) uses numerical analysis methods to model fluid flow and simulate realistic conditions. In medical applications, CFD analyzes blood flow in patient vasculature to predict disease progression and model treatment scenarios for conditions including coronary heart disease, arteriovenous malformations, and aneurysms. CFD provides physicians guidance for diagnostics and different treatment options.
Q2: How are blood vessel geometries obtained for CFD simulations?
Blood vessel geometries are obtained using imaging techniques such as magnetic resonance angiography (MRA) and X-ray fluoroscopy. These methods outline the patient's blood vessel geometry and define flow boundary conditions. The blood velocity data are then segmented into voxels, which are units defining 3D space, and the phase shift is obtained at each voxel to determine 3D flow velocity.
Q3: What are the Navier-Stokes equations and why are they important in CFD?
The Navier-Stokes (NS) equations are the governing equations of fluid motion that determine velocity and pressure distributions in blood flow. They account for density, velocity, pressure, and dynamic viscosity of the flow. These equations are numerically solved to produce high-resolution hemodynamic predictions in patient-specific vessel models.
Q4: How does CFD improve upon direct blood flow measurements?
Direct measurements of intraluminal pressure, wall shear stress, and particle residence time are difficult to acquire in vivo. CFD allows these hemodynamic variables to be assessed non-invasively with superior resolution. It can distinguish high-speed jets from slow recirculating vortices observed in diseased blood vessels, providing comprehensive depiction of patient-specific flow fields.
Q5: What software tools are used to process vessel data and run CFD simulations?
Open-source software such as vmtk launcher and ParaView are used for image segmentation and visualization. ParaView separates voxels containing flow data from stationary tissue and determines boundary conditions. Commercial software like ANSYS Fluent imports the volume mesh and transient flow waveforms from 4D flow MRI measurements to run the CFD simulation.
Q6: How can CFD simulations help physicians plan surgical interventions?
CFD is used to simulate surgical techniques such as arterial clipping, which provides physicians better foresight regarding post-operative flow conditions. Simulations can visualize the effects of procedures on flow dynamics before surgery. This allows physicians to compare different treatment scenarios and choose the approach most likely to improve hemodynamic conditions.
Q7: What hemodynamic factors affect the development of vascular diseases?
Hemodynamic conditions within the vasculature significantly affect the development and progression of arterial diseases, including atherosclerosis and aneurysms. CFD simulations reveal complex recirculating flow patterns and stagnant flow regions that contribute to disease formation. Understanding these flow dynamics helps identify risk factors and guide treatment strategies for vascular dysfunction.
Chapitres dans cette vidéo
0:07
Overview
1:20
Principles of Computational Fluid Dynamics
3:15
Generating Vessel Centerlines
4:24
Remapping 4D Flow MRI and Determining the Boundary Conditions
8:09
CFD Simulations
10:22
Results
11:17
Applications
12:17
Summary