Amélioration de l’ajustement des masques respiratoires grâce à la numérisation 3D, à l’analyse par éléments finis et à l’intelligence artificielle.

La pandémie de COVID-19 a souligné l’importance du port du masque pour prévenir la propagation du virus et le confort associé, notamment pour les travailleurs de la santé. En effet, l’efficacité d’un masque respiratoire dépend fortement de son ajustement. Avec les masques traditionnels, réaliser une étanchéité parfaite avec le visage s’avère difficile, voire impossible sans le serrage excessif de ses sangles. Or, le personnel médical porte généralement des masques protecteurs pendant plusieurs heures, entraînant une gêne, des inflammations voire des blessures plus graves. Ce projet démontre l’efficacité de la combinaison de technologies de pointe telles que la numérisation 3D, la simulation par éléments finis (EF) et l’apprentissage automatique (ML) pour générer des masques personnalisés stérilisables, réutilisables et validés. D’abord, une application dédiée sur un appareil mobile grand public réalise la numérisation du visage. Ensuite, un masque adapté à la morphologie du visage est généré. Une simulation biomécanique du serrage du masque est réalisée pour évaluer son ajustement à partir d’un modèle EF spécifique de l’assemblage masque-visage. Une série de scans faciaux et de masques correspondants, leurs simulations de serrage respectives et les modèles de pression faciale serviront de base de données pour l’entraînement et la validation d’un modèle d’apprentissage automatique.

Faculty Supervisor:

Luc Duong

Student:

Partner:

Numalogics;Shapeshift 3D

Discipline:

Life Sciences

Sector:

Professional, scientific and technical services

University:

École de technologie supérieure

Program: