Reduced order and sparse representations for patient-specific modeling in computational surgery

Reduced order and sparse representations for patient-specific modeling in computational surgery

Cette thèse a pour but d évaluer l'utilisation des méthodes de réduction de modèles fondées sur des approches parcimonieuses pour atteindre des performances en temps réel dans la cadre de la chirurgie computationnelle. Elle se concentre notamment sur l intégration de la simulation biophysique d...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Lauzeral Nathan (Auteur), Chinesta Francisco (Directeur de thèse, Membre du jury), Borzacchiello Domenico (Directeur de thèse, Membre du jury), Avril Stéphane (Président du jury de soutenance, Rapporteur de la thèse, Membre du jury), Grandmont Céline (Rapporteur de la thèse, Membre du jury), Cueto Elias (Membre du jury), Hostettler Alexandre (Membre du jury), Nadal Enrique (Membre du jury)
Collectivités auteurs : Centrale Nantes 1991-.... (Organisme de soutenance), Sciences de l'ingénierie et des systèmes Centrale Nantes (Ecole doctorale associée à la thèse), Institut de Calcul Intensif Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Reduced order and sparse representations for patient-specific modeling in computational surgery / Nathan Lauzeral; sous la direction de Francisco Chinesta et de Domenico Borzacchiello
Publié : 2019
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Mécanique des solides, des matériaux, des structures et des surfaces : Ecole centrale de Nantes : 2019
Sujets :
Biophysique
Médecine > Étude et enseignement > Simulation, Méthodes de
Systèmes stochastiques
Chirurgie
Coelioscopie
Réalité augmentée
Modèle d ordre réduit
Modélisation personnalisée des patients
Modélisation fondée sur des données
Temps réel
Données médicales
Thèses et écrits académiques

Internet

http://www.theses.fr/2019ECDN0062/document