FenixEdu™

Dissertação

{en_GB=Using medical data to adjust flow boundary conditions in computational hemodynamics} {} EVALUATED

Detalhes: {pt=A coarctação da aorta (CoA) é uma das cardiopatias congénitas mais comuns e consiste num estreitamento na aorta. Melhoramentos nas imagens médicas e em técnicas computacionais permitem à comunidade científica investigar doenças cardiovasculares, com os modelos de dinâmica de fluidos computacional (CFD) abrindo novas formas de as estudar. Devido à complexidade do sistema cardiovascular, é comum modelar apenas a região de interesse e representar o restante por meio de condições de fronteira (CF), cuja escolha é crítica para a CFD, pois diferentes CF podem resultar em diferenças nas soluções. O objectivo deste trabalho foi desenvolver um método para ajustar o parâmetro da lei de Murray nas condições de fronteira, utilizando o método de optimização. Considerou-se o parâmetro da lei de Murray (ML) como o controle, e utilizou-se uma abordagem de primeiro discretizar e depois optimizar, para resolver o problema. O método foi testado usando dados in-silico e, em seguida, aplicada a uma geometria realista representando uma CoA, para validação. Os resultados mostram pequenos erros no domínio. Os erros relativos mais significativos encontram-se nas fronteiras supra-aórticas quando a CF atribuída é diferente nos dados in-silico e no problema com o control. Os parâmetros ML obtidos são diferentes dos encontrados na literatura, com maiores valores de parâmetros encontrados para CoA, devido ao comportamento do fluxo. Este trabalho é a primera etapa de desenvolvimento de um método para avaliação da anatomia, impacto no fluxo, entender a gravidade da doença e ajudar no planeamento cirurgico, inclusivamente na decisão de implantação de prótese endovascular., en=The aorta coarctation (CoA), defined by a narrowing in the thoracic aorta, is one of the most common congenital heart diseases (CHDs). Advances in medical imaging and computational techniques allowed the research community to investigate CHDs, with computational fluid dynamics (CFD) models opening new ways to understand cardiovascular pathologies. Due to the complexity of the cardiovascular system, it is common to model merely the region of interest and represent the remaining circulation through boundary conditions (BCs), whose choice is critical for since different BCs could lead to differences in the solution. This work presents a framework to adjust Murray’s law BC, using an optimisation approach. Taking Murray’s law (ML) parameter as the control, the approach uses a discretise-then-optimise methodology to numerically solve the control problem. The framework was tested using in-silico data and then applied to a realistic 3D geometry representing a CoA, for validation. The results show small errors over the domain. The largest relative errors were found in the supra-aortic outlets when different types of BCs were attributed in the in-silico data and in the controlled problem. The ML parameters obtained are different from those found in the literature, with higher parameter values found for the CoA, which can be explained by the flow behaviour. This work was the first stage of developing a method that could help to analyse the anatomy and flow patterns in the CoA, and potentially evaluate the gravity of the disease, and assist the surgical planning, including the decision of the stent placement.}
Keywords: {pt=Sistema cardiovascular, coartação da aorta, dinâmica de fluidos computacional, condições de fronteira, lei de Murray, optimisação, en=Cardiovascular system, aortic coarctation, computational fluid dynamics, boundary conditions, Murray’s law, optimisation}

Discussão: janeiro 22, 2021, 14:0