https://repositorio.ufjf.br/jspui/handle/ufjf/12030
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
gilmarferreiradasilvafilho.pdf | 4.14 MB | Adobe PDF | ![]() Visualizar/Abrir |
Tipo: | Dissertação |
Título: | Forward uncertainty quantification and sensitivity analysis in models of systemic circulation |
Autor(es): | Silva Filho, Gilmar Ferreira da |
Primeiro Orientador: | Rocha, Bernardo Martins |
Co-orientador: | Barra, Luis Paulo da Silva |
Co-orientador: | Queiroz, Rafael Alves Bofim de |
Membro da banca: | Santos, Rodrigo Weber dos |
Membro da banca: | Sundnes, Joakim |
Resumo: | A intrincada natureza do coração e da circulação sanguínea é intensamente estudada na busca de respostas e insights capazes de amadurecer a compreensão dos fenômenos fisiológicos e patofisiológicos do sistema cardiovascular. Modelos computacionais cardiovasculares são ferramentas úteis para este fim e já são amplamente utilizados pela comunidade médico-científica, sendo capazes de simular fenômenos importantes como as dinâmicas da circulação sistêmica e fornecer informações valiosas, como parâmetros hemodinâmicos e biomarcadores, de habitual uso clínico. Entretanto, a aplicação destes modelos em cenários clínicos não se dá facilmente, e para que sejam usados de forma ubíqua para a tomada de decisão ainda há muito o que se aprimorar. Um importante passo neste sentido se dá na busca por modelos mais precisos e confiáveis, onde deve-se tomar em conta o entendimento da relação entre as incertezas nos parâmetros de entrada de um modelo e a precisão de seus resultados. No presente trabalho, verificamos o efeito da propagação de incertezas nos parâmetros de entradas de modelos de parâmetros condensados e um modelo de elementos finitos multi-escala que simulam as dinâmicas da circulação sistêmica. Para isto, realizamos a quantificação de incertezas direta e análise de sensibilidade baseadas na expansão por caos polinomial e os resultados obtidos apontam para os parâmetros mais influentes na predição de quantidades de interesse de relevância clínica. Desta forma, espera-se que os conhecimentos adquiridos sobre os parâmetros que devem ser medidos com maior precisão, bem como os menos influentes, que podem ser medidos a partir de valores de base populacional ou da literatura, possam ajudar na calibragem e desenvolvimento de modelos mais precisos e consistentes. |
Abstract: | The intricate nature of the heart and blood circulation is intensively studied in the search for answers and insights capable of maturing the understanding of the cardiovascular system’s physiological and pathophysiological phenomena. Cardiovascular computational models are useful tools for this purpose. They are already widely used by the medical-scientific community, simulating important phenomena such as the dynamics of the systemic circulation and providing valuable information, such as hemodynamic parameters and biomarkers, of common clinical use. However, the clinical application of these models is not straightforward, and for them to be used ubiquitously for decision-making, there is still much to be improved. An important step in this direction is to search for more accurate and reliable models, where the understanding of the relationship between the uncertainties in the input parameters of a model and the precision of its results must be taken into account. In the present work, we verify the effect of the propagation of uncertainties on the input parameters of lumped parameter models and a multi-scale finite element model that simulates the systemic circulation dynamics. For this, we perform forward uncertainty quantification and sensitivity analysis based on the polynomial chaos expansion. The results obtained point to the most influential parameters in the prediction of quantities of interest of clinical relevance. Thus, it is expected that the knowledge acquired on the parameters that must be measured with greater precision and the least influential ones, which can be measured from population-based values or the literature, can help in the calibration and development of more accurate and consistent models. |
Palavras-chave: | Quantificação de incertezas Análise de sensibilidade Modelagem cardiovascular Modelos de parâmetros condensados Caos polinomial Uncertainty quantification Sensitivity analysis Cardiovascular modelling Lumped parameter models Polynomial chaos |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Juiz de Fora (UFJF) |
Sigla da Instituição: | UFJF |
Departamento: | ICE – Instituto de Ciências Exatas |
Programa: | Programa de Pós-graduação em Modelagem Computacional |
Tipo de Acesso: | Acesso Aberto Attribution-NonCommercial-ShareAlike 3.0 Brazil |
Licenças Creative Commons: | http://creativecommons.org/licenses/by-nc-sa/3.0/br/ |
URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/12030 |
Data do documento: | 10-Set-2020 |
Aparece nas coleções: | Mestrado em Modelagem Computacional (Dissertações) |
Este item está licenciado sob uma Licença Creative Commons