Lumbar spinal stenosis (LSS) is a highly prevalent degenerative spine pathology characterized by the progressive narrowing of the spinal canal. Although conventional magnetic resonance imaging (MRI) provides static anatomical details, the correlation between radiological severity and clinical symptoms remains weak, highlighting the limitations of purely geometric assessments. Furthermore, the complex microanatomy of the cauda equina nerve roots drastically alters the intrathecal fluid domain. The objective of this study is to implement a patient-specific computational framework, combining computational fluid dynamics (CFD) and fluid-structure interaction (FSI), to analyze cerebrospinal fluid (CSF) dynamics and nerve root biomechanics within the lumbosacral canal. A clinical cohort of twenty patients was evaluated using weight-bearing MRI (wbMRI) data. A pipeline based on convolutional neural networks (CNNs) was implemented for the automated segmentation of vertebral structures and the spinal canal. The microanatomy of the cauda equina was artificially reconstructed. Rigid-walled CFD and two-way coupled FSI simulations were carried out to evaluate pressure gradients, velocity profiles, and hydrodynamic indices such as time-averaged wall shear stress (TAWSS), oscillatory shear index (OSI), and the Q-criterion. High-resolution, in vivo phase-contrast MRI (PC-MRI) acquisitions from healthy subjects under resting and active conditions were utilized to validate the prescribed velocity boundary conditions. The inclusion of nerve roots induced a significant increase in hydraulic resistance, local pressure drops, and velocity ranges compared to a simplified hollow canal model. Severe stenosis (SAR < 30%) models exhibited localized concentrations of markedly elevated TAWSS and increased vortical instabilities identified via the Q-criterion. The boundary condition sensitivity study revealed that patient-specific flow profiles drastically affect the absolute values of peak velocities and pressures compared to literature-derived waveforms. FSI models incorporating linear-elastic nerve roots successfully captured structural displacements of the nerve roots within the spinal canal. This study demonstrates that patient-specific multi-physics computational approaches provide a comprehensive and functional characterization of LSS. Integrating CFD and FSI with clinical imaging bridges the gap between static anatomical narrowing and functional pathophysiology, offering promising perspectives to enhance diagnostic precision and optimize surgical decision-making.

La stenosi del canale lombare (LSS) è una patologia degenerativa della colonna vertebrale altamente diffusa, caratterizzata dal progressivo restringimento del canale spinale. Sebbene la risonanza magnetica (MRI) convenzionale fornisca dettagli anatomici statici, la correlazione tra gravità radiologica e sintomatologia clinica risulta spesso debole, evidenziando i limiti delle sole valutazioni geometriche. Inoltre, la complessa microanatomia delle radici nervose della cauda equina altera drasticamente il dominio fluido intratecale. L’obiettivo di questo studio è implementare un framework computazionale paziente-specifico, combinando l’analisi fluidodinamica computazionale (CFD) e l’interazione fluido-struttura (FSI), per analizzare la dinamica del liquido cerebrospinale (CSF) e la biomeccanica delle radici nervose nel canale lombo-sacrale. È stata valutata una coorte clinica di venti pazienti tramite immagini wbMRI (Risonanza Magnetica in carico). È stata utilizzata una pipeline basata su reti neurali convoluzionali (CNN) per la segmentazione automatica delle strutture vertebrali e del canale spinale. La micro-anatomia della cauda equina è stata ricostruita artificialmente. Sono state eseguite simulazioni CFD a pareti rigide e simulazioni FSI ad accoppiamento bidirezionale per valutare i gradienti di pressione, i profili di velocità e gli indici idrodinamici quali lo sforzo di taglio medio sulla parete (TAWSS), l’indice di taglio oscillatorio (OSI) e il Q-Criterion. Acquisizioni in vivo di risonanza magnetica a contrasto di fase (PC-MRI) ad alta risoluzione su soggetti sani, in condizioni di riposo e di esercizio, sono state impiegate per validare le condizioni al contorno di velocità. L’inclusione delle radici nervose ha indotto un aumento significativo della resistenza idraulica, delle cadute di pressione locali e dei range di velocità rispetto a un modello semplificato a canale vuoto. I modelli con stenosi grave (SAR < 30%) hanno mostrato concentrazioni localizzate di TAWSS marcatamente elevate e maggiori instabilità vorticose identificate tramite il Q-criterion. Lo studio di sensibilità sulle condizioni al contorno ha rivelato che i profili di flusso paziente-specifici influenzano drasticamente i valori assoluti delle velocità di picco e delle pressioni rispetto alle curve di letteratura. I modelli FSI con radici nervose lineari-elastiche hanno catturato con successo gli spostamenti strutturali delle radici nervose all’interno del canale spinale. Questo studio dimostra che gli approcci computazionali multi-fisici paziente-specifici forniscono una caratterizzazione esaustiva e funzionale della LSS. L’integrazione di CFD e FSI con l’imaging clinico colma il divario tra il restringimento anatomico statico e la fisiopatologia funzionale, offrendo promettenti prospettive per affinare la precisione diagnostica e ottimizzare il processo decisionale chirurgico.

Patient-specific CFD and FSI framework for cerebrospinal fluid dynamics in lumbar spinal stenosis : impact of nerve roots and boundary conditions

PASTORINO, DAVIDE;GNASSO, DAVIDE
2025/2026

Abstract

Lumbar spinal stenosis (LSS) is a highly prevalent degenerative spine pathology characterized by the progressive narrowing of the spinal canal. Although conventional magnetic resonance imaging (MRI) provides static anatomical details, the correlation between radiological severity and clinical symptoms remains weak, highlighting the limitations of purely geometric assessments. Furthermore, the complex microanatomy of the cauda equina nerve roots drastically alters the intrathecal fluid domain. The objective of this study is to implement a patient-specific computational framework, combining computational fluid dynamics (CFD) and fluid-structure interaction (FSI), to analyze cerebrospinal fluid (CSF) dynamics and nerve root biomechanics within the lumbosacral canal. A clinical cohort of twenty patients was evaluated using weight-bearing MRI (wbMRI) data. A pipeline based on convolutional neural networks (CNNs) was implemented for the automated segmentation of vertebral structures and the spinal canal. The microanatomy of the cauda equina was artificially reconstructed. Rigid-walled CFD and two-way coupled FSI simulations were carried out to evaluate pressure gradients, velocity profiles, and hydrodynamic indices such as time-averaged wall shear stress (TAWSS), oscillatory shear index (OSI), and the Q-criterion. High-resolution, in vivo phase-contrast MRI (PC-MRI) acquisitions from healthy subjects under resting and active conditions were utilized to validate the prescribed velocity boundary conditions. The inclusion of nerve roots induced a significant increase in hydraulic resistance, local pressure drops, and velocity ranges compared to a simplified hollow canal model. Severe stenosis (SAR < 30%) models exhibited localized concentrations of markedly elevated TAWSS and increased vortical instabilities identified via the Q-criterion. The boundary condition sensitivity study revealed that patient-specific flow profiles drastically affect the absolute values of peak velocities and pressures compared to literature-derived waveforms. FSI models incorporating linear-elastic nerve roots successfully captured structural displacements of the nerve roots within the spinal canal. This study demonstrates that patient-specific multi-physics computational approaches provide a comprehensive and functional characterization of LSS. Integrating CFD and FSI with clinical imaging bridges the gap between static anatomical narrowing and functional pathophysiology, offering promising perspectives to enhance diagnostic precision and optimize surgical decision-making.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
La stenosi del canale lombare (LSS) è una patologia degenerativa della colonna vertebrale altamente diffusa, caratterizzata dal progressivo restringimento del canale spinale. Sebbene la risonanza magnetica (MRI) convenzionale fornisca dettagli anatomici statici, la correlazione tra gravità radiologica e sintomatologia clinica risulta spesso debole, evidenziando i limiti delle sole valutazioni geometriche. Inoltre, la complessa microanatomia delle radici nervose della cauda equina altera drasticamente il dominio fluido intratecale. L’obiettivo di questo studio è implementare un framework computazionale paziente-specifico, combinando l’analisi fluidodinamica computazionale (CFD) e l’interazione fluido-struttura (FSI), per analizzare la dinamica del liquido cerebrospinale (CSF) e la biomeccanica delle radici nervose nel canale lombo-sacrale. È stata valutata una coorte clinica di venti pazienti tramite immagini wbMRI (Risonanza Magnetica in carico). È stata utilizzata una pipeline basata su reti neurali convoluzionali (CNN) per la segmentazione automatica delle strutture vertebrali e del canale spinale. La micro-anatomia della cauda equina è stata ricostruita artificialmente. Sono state eseguite simulazioni CFD a pareti rigide e simulazioni FSI ad accoppiamento bidirezionale per valutare i gradienti di pressione, i profili di velocità e gli indici idrodinamici quali lo sforzo di taglio medio sulla parete (TAWSS), l’indice di taglio oscillatorio (OSI) e il Q-Criterion. Acquisizioni in vivo di risonanza magnetica a contrasto di fase (PC-MRI) ad alta risoluzione su soggetti sani, in condizioni di riposo e di esercizio, sono state impiegate per validare le condizioni al contorno di velocità. L’inclusione delle radici nervose ha indotto un aumento significativo della resistenza idraulica, delle cadute di pressione locali e dei range di velocità rispetto a un modello semplificato a canale vuoto. I modelli con stenosi grave (SAR < 30%) hanno mostrato concentrazioni localizzate di TAWSS marcatamente elevate e maggiori instabilità vorticose identificate tramite il Q-criterion. Lo studio di sensibilità sulle condizioni al contorno ha rivelato che i profili di flusso paziente-specifici influenzano drasticamente i valori assoluti delle velocità di picco e delle pressioni rispetto alle curve di letteratura. I modelli FSI con radici nervose lineari-elastiche hanno catturato con successo gli spostamenti strutturali delle radici nervose all’interno del canale spinale. Questo studio dimostra che gli approcci computazionali multi-fisici paziente-specifici forniscono una caratterizzazione esaustiva e funzionale della LSS. L’integrazione di CFD e FSI con l’imaging clinico colma il divario tra il restringimento anatomico statico e la fisiopatologia funzionale, offrendo promettenti prospettive per affinare la precisione diagnostica e ottimizzare il processo decisionale chirurgico.
File allegati
File Dimensione Formato  
2026_07_Gnasso_Pastorino_Tesi.pdf

accessibile in internet per tutti

Descrizione: Tesi di laurea
Dimensione 87.43 MB
Formato Adobe PDF
87.43 MB Adobe PDF Visualizza/Apri
2026_07_Gnasso_Pastorino_ExecutiveSummary.pdf

accessibile in internet per tutti

Descrizione: Executive Summary
Dimensione 23.77 MB
Formato Adobe PDF
23.77 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/260329