Filtro de partículas aplicado a estimativa do campo de temperaturas no interior de um cérebro sujeito a um tratamento com eletrodo DBS

Autores

  • Caroline R. Pereira IPRJ/UERJ
  • Luiz A. S. Abreu IPRJ/UERJ
  • Diego C. Knupp IPRJ/UERJ

DOI:

https://doi.org/10.5540/03.2021.008.01.0412

Palavras-chave:

DBS, Biotransferência de Calor, Problemas Inversos, Filtro de Partículas

Resumo

Este trabalho trata da estimativa sequencial da temperatura interna do cérebro contendo um eletrodo DBS através da solução de um problema de estimativa de estado com o método de filtro de partículas.  A equação clássica de bio transferência de calor bidimensional foi considerada na formulação matemática.  O problema direto associado foi resolvido com uma abordagem de elementos finitos implementada por meio da função NDSolve, disponível no software Wolfram Mathematica®.O problema de estimativa de estado foi resolvido com o filtro de partículas algoritmo amostragem por importância e reamostragem sequencial (SIR) supondo que medições estejam disponíveis no ele-trodo DBS. As incertezas nos modelos de evolução e de observação foram assumidas como aditivas, gaussianas, não correlacionadas e com média zero.  As soluções mostraram uma abordagem promissora para reduzir os riscos de lesões relacionadas com a técnica da estimulação cerebral profunda, especialmente por levarem em conta as incertezas relacionadas com as medições.

Downloads

Não há dados estatísticos.

Referências

Castello, D.A. e Ritto, T.G. Quantifica ̧c ̃ao de incertezas e estima ̧c ̃ao de parˆametros emdinˆamica estrutural: uma introdu ̧c ̃ao a partir de exemplos computacionais. Notas em ma-tem ́atica aplicada, volume 81, 2016.

[2] Chang, I. Finite element analysis of hepatic radiofrequency ablation probes using temperature-dependent electrical conductivity,Biomedical engineering online, 2:1-18, 2003. DOI:10.1186/1475-925X-2-12.[3] Cubo, R. e Medvedev, A. Online Tissue Conductivity Estimation in Deep Brain Sti-mulation,IEEE Transactions on Control Systems Technology, 28:149-162, 2018. DOI:10.1109/TCST.2018.2862397.[4] Elwassif, M. M., Datta, A., Rahman, A. e Bikson, M. Temperature control at dbs electro-des using a heat sink: experimentally validated fem model of dbs lead architecture,JournalofNeural Engineering, 9:1-9, 2012. DOI: 10.1088/1741-2560/9/4/046009.[5] Elwassif, M. M., Kong, Q. Varquez, M. e Bikson, M. Bio-heat transfer model of deep brainstimulation-induced temperature changes,Journal ofNeural Engineering, 3:306-315, 2006.DOI: 10.1109/IEMBS.2006.259425.[6] Jardim, L. C. S., Abreu, L. A. S., Knupp, D. C. e Silva Neto, A. J. Brain Thermaland Electrical Properties Estimation Using Experimental Data From Deep Brain Stimu-lation Lead,Revista Mundi Engenharia, Tecnologia e Gest ̃ao, 5:291-01,291-15, 2020. DOI:10.21575/25254782rmetg2020vol5n61349.[7] Khadka, N., Harmsen, I.E., Lozano, A.M. e Bikson, M. Bio-heat model of kilohertz-frequencydeep brain stimulation increases brain tissue temperature,Neuromodulation: Technology atthe Neural Interface, 23:489-495, 2020. DOI: 10.1111/ner.13120.[8] Lamien, B., Orlande, H.R.B. e Eli ̧cabe, G.E. Particle Filter and Approximation Error Mo-del for State Estimation in Hyperthermia,Journal of Heat Transfer, 139:012001-3, 2017.DOI:10.1115/1.4034064[9] Lamien, B., Varon, L.A.B. e Orlande, H.R.B. State estimation in bioheat transfer: a compari-son of particle filter algorithms,International Jornal of Numerical Methods for Heat&FluidFlow, 27:615-638, 2016. DOI: 10.1108/HFF-03-2016-0118.[10] Medtronic; INC. DBS Lead Kit for Deep Brain Stimulation, Model 3387/3389,Implant Ma-nual. Minneapolis, MN, US: [s.n.], 2002.[11] Nunes, F. S., Orlande, H. R. B. e Nowak, A. J. Estimation of the ischemic brain temperaturewith the particle filter method,Computer Assisted Methods in Engineering and Science, 26:5-19, 2019. DOI: 10.24423/cames.252.[12] Orlande, H.R.B., Dulikravich, G.S. e Cola ̧co, M.J. Application of Bayesian Filters to HeatConduction Problems,International Conference on Engineering Optimization, 1:1-5, 2008.[13] Pacheco, C., Orlande, H.R.B., Colaco, M. e Dulikravich, G.S. State estimation problems inPRF-shift magnetic resonance thermometry,International Journal of Numerical Methods forHeat & Fluid Flow, 28:315-335, 2018. DOI: 10.1108/hff-10-2016-0427[14] Pennes, H. H. Analysis of tissue arterial blood temperature in the resting forearm,Journal ofApplied Physiology, 1:93–122, 1948. DOI: 10.1152/jappl.1948.1.2.93.[15] Soize, C. Stochastic models of uncertainties in computational mechanics. ASCE Society ofCivil Engineers (Lecture notes in mechanics 2), 2012.[16] Tierney, T. S. Deep brain stimulation foundations and future trends,Frontiers in Bioscience,23:162–182, 2018. DOI:10.2741/4586

Downloads

Publicado

2021-12-20

Edição

Seção

Trabalhos Completos