ETD

• artificial intelligence
• biomechanics
• cfd
• computational fluid dynamics
• computed tomography
• morphometry
• thoracic aorta

Cardiovascular diseases remain the leading cause of death worldwide, and thoracic aortic aneurysm (TAA) is among the most life-threatening conditions. Current clinical practice largely relies on maximum aortic diameter, which alone is often insufficient to predict rupture or dissection risk. This thesis proposes a patient-specific, image-driven framework that integrates morphometry, hemodynamics, and biomechanics to improve assessment and management of TAA.
The work is organized into five chapters. First, it introduces the clinical limitations of diameter-based criteria and the need for advanced computational approaches. Then, it presents an automated framework for dynamic morphometric analysis based on ECG-gated CT images, using a 3D U-Net for segmentation of the thoracic aorta and left ventricle. A moving boundary CFD approach is subsequently developed to provide more accurate hemodynamic simulations. A dual method for in vivo biomechanical characterization of the aorta is also proposed, combining flow-based and image-based techniques.
Overall, this research advances personalized cardiovascular modeling, offering promising tools for improved diagnosis, risk stratification, and treatment planning in TAA.

e malattie cardiovascolari rappresentano la principale causa di morte a livello globale e l’aneurisma dell’aorta toracica (TAA) è tra le condizioni più pericolose per la vita. La pratica clinica attuale si basa in gran parte sul diametro massimo aortico, un parametro che da solo è spesso insufficiente per prevedere il rischio di rottura o dissezione. Questa tesi propone un framework patient-specific, basato su immagini, che integra morfometria, emodinamica e biomeccanica per migliorare la valutazione e la gestione del TAA.

Il lavoro è organizzato in cinque capitoli. In primo luogo, vengono introdotti i limiti clinici dei criteri basati sul diametro e la necessità di approcci computazionali avanzati. Successivamente, viene presentato un framework automatizzato per l’analisi morfometrica dinamica basato su immagini TC sincronizzate con ECG, utilizzando una rete 3D U-Net per la segmentazione dell’aorta toracica e del ventricolo sinistro. Viene poi sviluppato un approccio CFD a parete mobile per fornire simulazioni emodinamiche più accurate. È inoltre proposto un metodo duale per la caratterizzazione biomeccanica in vivo dell’aorta, che combina tecniche basate sul flusso e sull’analisi delle immagini.

Questa ricerca promuove la modellazione cardiovascolare personalizzata, offrendo strumenti promettenti per migliorare la diagnosi, la stratificazione del rischio e la pianificazione terapeutica nel TAA.