Estimulação cerebral profunda: análise térmica via métodos bayesianos

• Ano de defesa: 2024
• Autor(a) principal: Pereira, Caroline Ribeiro
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; Brasil; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Estimulação cerebral profunda; Biotransferência de calor; Problemas inversos; Filtros de partículas; Cérebro - Estimulação; Análise térmica; Transferência de calor – Modelos matemáticos; Temperatura – Medição – Métodos de simulação; Teoria bayesiana de decisão estatística; Deep brain stimulation; Bioheat transfer; Inverse problems; Particle filters; ENGENHARIAS::ENGENHARIA MECANICA::FENOMENOS DE TRANSPORTE
• Link de acesso: http://www.bdtd.uerj.br/handle/1/21874

A técnica de estimulação cerebral profunda (do inglês, Deep Brain Stimulation - DBS), um procedimento neurocirúrgico empregado no tratamento de sintomas motores, é caracterizada pelo uso de eletrodos de estimulação que recebem pulsos elétricos. Dependendo do potencial elétrico aplicado, esses pulsos podem ocasionar um aumento de temperatura nas regiões adjacentes à aplicação elétrica. Nesse sentido, aprimorar a precisão da análise térmica, levando em conta as incertezas nos parâmetros físico-matemáticos, e realizar a estimativa de parâmetros desconhecidos são medidas cruciais para prevenir danos térmicos ou aquecimento excessivo decorrente do uso do eletrodo. Esse trabalho trata da aplicação de abordagens bayesianas, por meio de simulação computacional, com o objetivo de analisar o campo de temperaturas em um cérebro com eletrodo DBS. A equação clássica de biotransferência de calor foi empregada para modelar a transferência de calor no tecido, considerando que o aquecimento devido aos pulsos elétricos provenientes do eletrodo é representado por um termo fonte que simboliza o campo elétrico gerado pelo potencial aplicado. A solução do problema direto associado foi obtida utilizando as abordagens numéricas de elementos finitos e diferenças finitas. A análise do campo de temperaturas e a estimativa de parâmetros foram realizadas por meio de problemas inversos, via inferência bayesiana, com a aplicação de filtros de partículas e do método de Monte Carlo com Cadeias de Markov. Nas simulações computacionais realizadas, considerou-se os efeitos produzidos por medições de temperaturas simulada obtidas por meio de um sensor localizado dentro do eletrodo cerebral. Os resultados obtidos, considerando essas medições simuladas, contendo diferentes níveis de ruído, demonstraram boas estimativas de parâmetros e de variáveis de estado. A metodologia apresentada leva em consideração ainda as incertezas associadas aos parâmetros termo-físicos e aos modelos, mostrando-se promissora para reduzir o risco de lesões relacionadas à técnica de estimulação cerebral profunda.