Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/16066
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
gustavoresendefatigate.pdf3.36 MBAdobe PDFVista previa
Visualizar/Abrir
Clase: Dissertação
Título : Algoritmo de controle do dano ao tecido saudável no tratamento de câncer por hipertermia
Autor(es): Fatigate, Gustavo Resende
Orientador: Reis, Ruy Freitas
Co-orientador: Lobosco, Marcelo
Miembros Examinadores: Camata, José Jerônimo
Miembros Examinadores: Oliveira, Rafael Sachetto
Resumo: De acordo com Organização Mundial da Saúde, o câncer é uma preocupação de saúde global. O alto índice de mortalidade move a comunidade científica a estudar novos tratamentos, dentre esses podemos citar a hipertermia por nanopartículas magnéticas. Este tratamento consiste em submeter a região alvo à um campo magnético de baixa frequência, fazendo com que as nanopartículas causem o aumento da temperatura acima de 43◦C, considerada a temperatura alvo para lesionar o tecido e conduzir as células a necrose. Este trabalho usa o modelo tridimensional in silico de Pennes descrito por uma equação diferencial parcial (EDP) para estimar a porcentagem de dano ao tecido devido ao tratamento com hipertermia. A evolução diferencial é usada para otimizar o tratamento, sugerindo os melhores lugares para realizar as injeções de nanopartículas magnéticas de modo a maximizar a lesão nas células tumorais e minimizar os danos ao tecido saudável. Foram realizados testes considerando domínios bidimensionais e tridimensionais e, para cada domínio, três diferentes cenários visando avaliar as sugestões obtidas com o uso do método de otimização. Os resultados indicam que a técnica proposta é promissora: foi observada a redução da porcentagem de dano ao tecido saudável e a completa lesão do tecido tumoral. Considerando o modelo tridimensional em seu cenário mais complexo, o processo de otimização foi responsável por diminuir o dano ao tecido saudável em 59% se as injeções de nanopartículas forem posicionadas em um local não intuitivo, ou seja, diferente do centro dos tumores. A solução numérica da EDP em conjunto com a evolução diferencial aumenta o esforço computacional para a execução do algoritmo. Devido a esse fator, uma estratégia paralela utilizando a arquitetura CUDA foi implementada com o intuito de tornar a resolução da EDP menos custosa, utilizando as GPUs NVIDIA. Comparando o código paralelo com o sequencial executado somente em CPU, observou-se um ganho de desempenho de até 84, 4 vezes.
Resumen : According to the World Health Organization, cancer is a global health concern. The high mortality rate drives the scientific community to study new treatments, among which we can mention hyperthermia by magnetic nanoparticles. This treatment involves subjecting the target region to a low-frequency magnetic field, causing the nanoparticles to increase the temperature above 43◦C, considered the target temperature to damage the tissue and induce cell necrosis. This work uses the three-dimensional in silico model of Pennes, described by a partial differential equation (PDE), to estimate the percentage of tissue damage due to hyperthermia treatment. Differential evolution is used to optimize the treatment, suggesting the best locations for injecting magnetic nanoparticles to maximize the damage to tumor cells and minimize harm to healthy tissue. Tests were performed considering two- and three-dimensional domains, and for each one, three scenarios were considered to evaluate the suggestions obtained by the optimization method. The results indicate that the proposed technique is promising: a reduction in the percentage of damage to healthy tissue while keeping the complete damage to the tumor tissue were observed. Considering the three-dimensional domain in its most complex scenario, the optimization process was responsible for reducing the damage to healthy tissue by 59% when the nanoparticle injections are positioned in a non-intuitive location, i.e., different from the center of the tumors. The numerical solution of the PDE combined with differential evolution increases the computational effort required for algorithm execution. Due to this factor, a parallel strategy using CUDA architecture was implemented to solve the PDE at a lower cost using NVIDIA GPUs. Comparing the parallel version of the code with its sequential version executed in a single CPU, an 84.4-fold performance gain was observed.
Palabras clave : Hipertermia
Câncer
Biotransferência de calor
CUDA
Otimização
Evolução diferencial
Hyperthermia
Bioheat transfer
Optimization
Differential evolution
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Modelagem Computacional
Clase de Acesso: Acesso Aberto
Attribution 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by/3.0/br/
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/16066
Fecha de publicación : 16-ago-2023
Aparece en las colecciones: Mestrado em Modelagem Computacional (Dissertações)



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons