Issue ESAIM: PROC Volume 14, 2005 CEMRACS 2004 - Mathematics and applications to biology and medicine Page(s) 224 - 234 DOI 10.1051/proc:2005017

ESAIM: Proc., September 2005, Vol. 14, pp. 224-234
DOI: 10.1051/proc:2005017

Progress Toward using MRI and a Heart Model to Estimate Patient-Specific Indices of Cardiac Function

M. Sermesant¹, P. Moireau², R. Andriantsimiavona¹, J. Sainte-Marie², O. Camara¹, R. Cimrman³, D.L.G. Hill¹, D. Chapelle² and R. Razavi<sup>1

1</sup>  Cardiac MR Research Group, King's College London, 5th Floor Thomas Guy House, Guy's Hospital, London, UK.
²  MACS project, INRIA Rocquencourt, France.
³  New Technologies Research Centre, Západoceská univerzita v Plzni, Univerzitní 22, 306 14 Plzen, Czech Republic. Corresponding author: derek.hill@ieee.org

Abstract
In this article, we present a framework to estimate cardiac function parameters like local myocardium contractility using clinical MRI, a heart model and data assimilation. First, we build a generic anatomical model of the ventricles including muscle fibre orientations and anatomical subdivisions. Then, this model is deformed to fit a segmented MRI, using an affine registration method and a local deformable biomechanical model. An electromechanical model of the heart can be simulated on this mesh. Data assimilation makes it possible to estimate local contractility from given displacements. Presented results on simulated data and adjustment to clinical data are very promising. Current work on model calibration and estimation of patient parameters open up possibilities for clinical application of this framework.

Résumé
Dans cet article, nous présentons un cadre de travail pour estimer certains paramètres de la fonction cardiaque (comme la contractilité locale) en utilisant l'IRM, un modèle du myocarde et l'assimilation de données. Tout d'abord, nous détaillons la construction d'un modèle générique du myocarde incluant l'orientation des fibres musculaires et les différents segments anatomiques. Ce modèle peut être déformé pour s'ajuster aux images cliniques. Un modèle électromécanique du myocarde est ensuite présenté et simulé. Enfin, l'assimilation de données permet d'estimer la contractilité locale à partir de données telles que les déplacements. Les résultats sur l'ajustement du modèle à la géométrie du patient et l'assimilation sur des données simulées sont très encourageants. Les travaux en cours sur la calibration du modèle et l'estimation de paramètres du patient ouvrent de nouvelles possibilités pour l'application de ce cadre de travail dans un environnement clinique.

© EDP Sciences, ESAIM 2005

What is OpenURL?