The pre-operative planning and intra-operative navigation of the endovascular aneurysm repair (EVAR) procedure are currently challenged by the aortic deformations that occur due to the insertion of a stiff guidewire. Hence, a fast and accurate predictive tool may help clinicians in the decision-making process and during surgical navigation, potentially reducing the radiations and contrast dose. To this aim, we generated a reduced order model (ROM) trained on parametric finite element simulations of the aortic wall-guidewire interaction.

ABSTRACT Background Infusion testing is an established method for assessing CSF resistance in patients with idiopathic normal pressure hydrocephalus (iNPH). To what extent the increased resistance is related to the glymphatic system is an open question. Here we introduce a computational model that includes the glymphatic system and enables us to determine the importance of 1) brain geometry, 2) intracranial pressure and 3) physiological parameters on the outcome of and response to an infusion test. Methods We implemented a seven-compartment multiple network porous medium model with subject specific geometries from MR images. The model consists of the arterial, capillary and venous blood vessels, their corresponding perivascular spaces, and the extracellular space (ECS). Both subject specific brain geometries and subject specific infusion tests were used in the modeling of both healthy adults and iNPH patients. Furthermore, we performed a systematic study of the effect of variations in model parameters. Results Both the iNPH group and the control group reached a similar steady state solution when subject specific geometries under identical boundary conditions was used in simulation. The difference in terms of average fluid pressure and velocity between the iNPH and control groups, was found to be less than 6 % during all stages of infusion in all compartments. With subject specific boundary conditions, the largest computed difference was a 75 % greater fluid speed in the arterial perivascular space (PVS) in the iNPH group compared to the control group. Changes to material parameters changed fluid speeds by several orders of magnitude in some scenarios. A considerable amount of the CSF pass through the glymphatic pathway in our models during infusion, i.e., 28% and 38% in the healthy and iNPH patients, respectively. Conclusions Using computational models, we have found the relative importance of subject specific geometries to be less important than individual differences in terms of fluid pressure and flow rate during infusion. Model parameters such as permeabilities and inter-compartment transfer parameters are uncertain but important and have large impact on the simulation results. The computations predicts that a considerable amount of the infused volume pass through the brain either through the perivascular spaces or the extracellular space.

Background: Infusion testing is a common procedure to determine whether shunting will be beneficial in patients with normal pressure hydrocephalus. The method has a well-developed theoretical foundation and corresponding mathematical models that describe the CSF circulation from the choroid plexus to the arachnoid granulations. Here, we investigate to what extent the proposed glymphatic or paravascular pathway (or similar pathways) modifies the results of the traditional mathematical models. Methods: We used a two-compartment model consisting of the subarachnoid space and the paravascular spaces. For the arachnoid granulations, the cribriform plate, capillaries and paravascular spaces, resistances were calculated and used to estimate flow before and during an infusion test. Next, pressure in the subarachnoid space and paravascular spaces were computed. Finally, different variations to the model were tested to evaluate the sensitivity of selected parameters. Results: At baseline, we found a very small paravascular flow directed into the subarachnoid space, while 60% of the fluid left through the arachnoid granulations and 40% left through the cribriform plate. However, during the infusion, paravascular flow reversed and 25% of the fluid left through these spaces, while 60% went through the arachnoid granulations and only 15% through the cribriform plate. Conclusions: The relative distribution of CSF flow to different clearance pathways depends on intracranial pressure (ICP), with the arachnoid granulations as the main contributor to outflow. As such, ICP increase is an important factor that should be addressed when determining the pathways of injected substances in the subarachnoid space.

Abstract Purpose Currently, the intra-operative visualization of vessels during endovascular aneurysm repair (EVAR) relies on contrast-based imaging modalities. Moreover, traditional image fusion techniques lack a continuous and automatic update of the vessel configuration, which changes due to the insertion of stiff guidewires. The purpose of this work is to develop and evaluate a novel approach to improve image fusion, that takes into account the deformations, combining electromagnetic (EM) tracking technology and finite element modeling (FEM). Methods To assess whether EM tracking can improve the prediction of the numerical simulations, a patient-specific model of abdominal aorta was segmented and manufactured. A database of simulations with different insertion angles was created. Then, an ad hoc sensorized tool with three embedded EM sensors was designed, enabling tracking of the sensors’ positions during the insertion phase. Finally, the corresponding cone beam computed tomography (CBCT) images were acquired and processed to obtain the ground truth aortic deformations of the manufactured model. Results Among the simulations in the database, the one minimizing the in silico versus in vitro discrepancy in terms of sensors’ positions gave the most accurate aortic displacement results. Conclusions The proposed approach suggests that the EM tracking technology could be used not only to follow the tool, but also to minimize the error in the predicted aortic roadmap, thus paving the way for a safer EVAR navigation.