Generation and Uncertainty Quantification of Patient-specific Purkinje Network Models
Resumo
As redes de Purkinje são uma parte fundamental do sistema de condução cardíaco e são conhecidas por iniciar uma variedade de arritmias. No entanto, a modelagem específica das redes de Purkinje de um paciente permanece desafiadora devido à alta complexidade morfológica e à falta de técnicas de imagem não invasivas para identificar estas estruturas. Esta tese tem como objetivo apresentar um novo método baseado em princípios de otimização para a geração de redes de Purkinje que combinam precisão geométrica e elétrica no tamanho do ramo, ângulos de bifurcação e ativação das Junções-Músculo-Purkinje. Os resultados demonstram que o novo método é capaz de gerar redes de Purkinje específicas de paciente com métricas morfológicas controladas e tempos de ativação especificados nas Junções-Músculo-Purkinje.
Referências
Berg, L., dos Santos, R., and Cherry, E. (2019). A study of the electrical propagation in purkinje fibers. In International Conference on Computational Science, pages 74–86. Springer, Cham.
Berg, L. A. (2022). Generation and Uncertainty Quantification of Patient-specific Purkinje network models. PhD thesis, Universidade Federal de Juiz de Fora.
Lawson, B., Oliveira, R., Berg, L., Silva, P., Burrage, K., and dos Santos, R. (2020). Variability in electrophysiological properties and conducting obstacles controls re-entry risk in heterogeneous ischaemic tissue. Philosophical Transactions of the Royal Society A, 378(2173):1–20.
Pouranbarani, E., Berg, L., Oliveira, R., dos Santos, R., and Nygren, A. (2020). Improved accuracy of cardiac tissue-level simulations by considering membrane resistance as a cellular-level optimization objective. In In 2020 42nd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pages 2487–2490. IEEE.
Pouranbarani, E., Berg, L., Oliveira, R., dos Santos, R., and Nygren, A. (2021). Calibration of single-cell model parameters based on membrane resistance improves the accuracy of cardiac tissue simulations. Journal of Computational Science, 53(101375).
Sachetto Oliveira, R., Martins Rocha, B., Burgarelli, D., Meira Jr, W., Constantinides, C., and Weber dos Santos, R. (2018). Performance evaluation of GPU parallelization, space-time adaptive algorithms, and their combination for simulating cardiac electrophysiology. International journal for numerical methods in biomedical engineering, 34(2):e2913.
Sundnes, J., Nielsen, B. F., Mardal, K. A., Cai, X., Lines, G. T., and Tveito, A. (2006). On the computational complexity of the bidomain and the monodomain models of electrophysiology. Annals of biomedical engineering, 34(7):1088–1097.
Ulysses, J. N., Berg, L. A., Cherry, E. M., Liu, B. R., dos Santos, R. W., de Barros, B. G., Rocha, B. M., and de Queiroz, R. A. (2018). An optimization-based algorithm for the construction of cardiac Purkinje network models. IEEE Transactions on Biomedical Engineering, 65(12):2760–2768.
Walz, T., Azzolin, L., Chleilat, E., Berg, L., and Arevalo, H. (2020). Potential roles of purkinje fibers in ischemia-induced arrhythmias. In 2020 Computing in Cardiology, pages 1–4. IEEE.
