Цель. Разработать алгоритм автоматизированного функционального проектирования створчатого аппарата аортального клапана сердца.Материалы и методы. Генерация геометрий створчатого аппарата аортального клапана сердца выполнена в среде программирования MATLAB (MathWorks, Массачусетс, США). Численное моделирование процесса открытия произведено с использованием программного обеспечения Abaqus/CAE (Dassault Systemes, Франция).Результаты. Разработан алгоритм, с помощью которого получен набор моделей створчатого аппарата, восемь из которого подверглись численному моделированию напряженно-деформированного состояния. Моделирование запирающего давления продемонстрировало, что наименьшее значение напряжения по Мизесу зафиксировано у образца с большей площадью поверхности купола створки и составляет 0,422 мПа. Полученные результаты показывают, что величина радиуса кривизны в значительно большей степени влияет на поведение всего клапана, что приводит к выводу о необходимости тщательного выбора дизайна аппарата для его корректного функционирования.Заключение. Приведено первичное подтверждение работоспособности концепта алгоритма автоматизированного функционального проектирования створчатого аппарата аортального клапана сердца.
Онищенко П. С., Клышников К. Ю., Резвова М. А., Овчаренко Е. А. Концепция автоматизированного функционального проектирования протезов клапанов сердца. Комплексные проблемы сердечно-сосудистых заболеваний. 2021;10(2):63-67. https://doi.org/10.17802/2306-1278-2021-10-2S-63-67
1. Nkomo V.T., Gardin J.M., Skelton T.N., Gottdiener J.S., Scott C.G., Enriquez-Sarano M. Burden of valvular heart diseases: a population-based study. Lancet. 2006;368(9540):1005-11. doi: 10.1016/S0140-6736(06)69208-8.
2. Dunning J., Gao H., Chambers J., Moat N., Murphy G., Pagano D., Ray S., Roxburgh J., Bridgewater B. Aortic valve surgery: marked increases in volume and significant decreases in mechanical valve use--an analysis of 41,227 patients over 5 years from the Society for Cardiothoracic Surgery in Great Britain and Ireland National database. J Thorac Cardiovasc Surg. 2011;142(4):776-782.e3. doi: 10.1016/j.jtcvs.2011.04.048.
3. Abbasi M., Barakat M.S., Dvir D., Azadani A.N. A NonInvasive Material Characterization Framework for Bioprosthetic Heart Valves. Ann Biomed Eng. 2019 Jan;47(1):97-112. doi: 10.1007/s10439-018-02129-5.
4. Gulbulak U., Gecgel O., Ertas A. A deep learning application to approximate the geometric orifice and coaptation areas of the polymeric heart valves under time – varying transvalvular pressure. J. Mech. Behav. Biomed. Mater. 2021; 117: 104371. doi:10.1016/j.jmbbm.2021.104371
5. Liang L., Sun B. A Proof of Concept Study of Using Machine-Learning in Artificial Aortic Valve Design: From Leaflet Design to Stress Analysis. Bioengineering (Basel). 2019;6(4):104. doi: 10.3390/bioengineering6040104.
П. С. Онищенко
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
К. Ю. Клышников
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
М. А. Резвова
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
Е. А. Овчаренко
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
Название журнала
Комплексные проблемы сердечно-сосудистых заболеваний
