Projet

Jumeaux numériques prédictifs pour la mimique faciale

Coordination

Responsable(s) coordinateur(s) du projet : Marie-Christine Ho Ba Tho

Établissement coordinateur : CNRS

Mots-clés

Jumeau numérique du visage, modélisation personnalisée, mimique faciale, propriétés mécaniques, modélisation multi-échelle, modélisation hybride, maillage adaptatif, modèles statistiques, intelligence artificielle, biomécanique du visage

Résumé

Les pathologies du visage sont fréquentes, et représentent un véritable handicap fonctionnel lorsqu’elles atteignent les mouvements faciaux. La réhabilitation des mouvements faciaux, tels que la mimique dans les pathologies défigurantes, revêt une grande importance pour améliorer la qualité de vie et les interactions sociales des patients. Basée sur les mouvements des muscles peauciers, dont l’anatomie est connue et décrite de longue date, et sur la relation de ceux-ci avec les tissus cutanés, la mimique faciale reste pourtant peu étudiée. Les paralysies faciales par exemple (18000 cas environ / an en France) sont des pathologies qui pourraient bénéficier des travaux menés dans ce projet, comme la récupération des allotransplants faciaux ou d’autres pathologies faciales impliquant le mouvement. Cependant, la compréhension de la mimique faciale reste un défi. Elle contribuera à améliorer les traitements chirurgicaux ou de rééducation fonctionnelle. En effet, pour la chirurgie réparatrice et régénérative, la compréhension des interactions entre effecteurs musculaires agonistes et antagonistes impliqués lors de la mimique permettra de lever certains obstacles à la récupération et à la rééducation faciale et fera progresser l’analyse des synergies musculaires faciales.

PREDIT4FACE vise à atteindre de nouvelles frontières en proposant un jumeau numérique personnalisé et multi-échelle du visage humain pour la mimique faciale. PREDIT4FACE sera créé à l’aide des techniques avancées d’imagerie médicale, de la caractérisation multi-échelle des tissus biologiques du visage et de la modélisation numérique hybride, notamment la modélisation par éléments finis, l’apprentissage en profondeur et la réduction de modèle. L’objectif ultime est d’améliorer les soins prédictifs et préventifs du visage, du diagnostic au traitement (chirurgical et / ou rééducation) jusqu’au suivi des patients.

Partenaires
Unité Tutelles
BMBI – UMR 7338 (coord.) Université de Technologie de Compiègne, CNRS
ROVERVAL Université de Technologie de Compiègne
LamCube – UMR 9013 Centrale Lille Institute, CNRS
CHIMERE, UA 21 UPJV, Inserm, Amiens
LATIM – UR 1101 Inserm, IMT Atlantique, Brest
CHU Amiens / Institut Faire FAces