Publicación:
Simulación computacional de la microcirculación usando redes neuronales

Vista sencilla de ítem
dc.contributor.advisorOspina Muñoz, Walter Antonio
dc.contributor.advisorPalacio Cárdenas, Guillermo Alberto
dc.contributor.authorGarcía Escobar, Daniel
dc.contributor.educationalvalidatorGuillermo Alberto Palacio Cárdenas
dc.date.accessioned2024-06-24T15:04:55Z
dc.date.available2024-06-24T15:04:55Z
dc.date.issued2024
dc.description46 páginas
dc.description.abstractRESUMEN: la medicina y la inteligencia artificial han avanzado conjuntamente en los últimos años destacándose los resultados en el análisis de imágenes médicas, procesamiento de datos y la simulación de sistemas biológicos con condiciones específicas. Esto ha contribuido a que la medicina sea cada vez más personalizada, permitiendo un entendimiento detallado del caso de cada paciente al analizar ampliamente la información sobre sus particularidades. Las redes neuronales tienen la capacidad de simular sistemas reales, aprendiendo directamente de las leyes de la física presentadas mediante ecuaciones diferenciales y condiciones de frontera. En este trabajo se estudia el flujo sanguíneo de la circulación en capilares, la región del sistema vascular donde ocurre el intercambio de nutrientes entre la sangre y los tejidos del cuerpo, siendo los vasos sanguíneos más pequeños con solo unas cuantas micras de diámetro. El flujo sanguíneo a través de estos vasos se denomina microcirculación y los daños a esta escala no pueden ser detectados en la mayoría de los hospitales. Sin embargo, se ha visto que de la microcirculación se obtiene información de daños iniciales que, de ser detectados a tiempo, pueden prevenir repercusiones más graves en el sistema cardiovascular. Los modelos y las simulaciones basados en fundamentos teóricos y experimentales ayudan a comprender mejor esta parte del sistema circulatorio a la vez que pueden complementar futuros dispositivos de medición. La microcirculación tiene condiciones físicas particulares que la convierten en un sistema complejo: (1) es un fluido granular, no newtoniano, con viscosidad dependiente del radio del capilar; (2) además del flujo sanguíneo, el sistema involucra la filtración del plasma hacia el exterior del capilar. Para describir de manera correcta este sistema se usaron dos modelos teóricos, desarrollados en la universidad de Florencia (Italia), basados en adaptaciones de las ecuaciones clásicas de transporte de momento y de masa. Debido a la complejidad del problema, en este trabajo se desarrollaron diversas arquitecturas de redes neuronales que fueron probadas en condiciones menos específicas como fue la resolución de las ecuaciones de Navier-Stokes para fluidos newtonianos. Posteriormente estos métodos se aplicaron a los modelos de microcirculación, con el objetivo de recrear los resultados documentados en la literatura sobre concentraciones de glóbulos rojos y velocidades en el sistema. En este trabajo se encontró que es posible recrear la microcirculación utilizando redes neuronales informadas por física, sin la necesidad de bases de datos. Al validar el modelo con la literatura se confirmó que la simulación puede ser usada en investigaciones con datos reales y así aportar a estudios y desarrollos en esta área.spa
dc.description.abstractABSTRACT: medicine and artificial intelligence have developed together in recent years, with notable results in analysis of medical images, data processing, and simulation of biological systems with specific conditions. This has contributed to make medicine increasingly personalized, allowing for a detailed understanding of each patient's case by extensively analyzing information about their particularities. Neural networks can simulate systems by directly learning from the laws of physics presented through differential equations and boundary conditions. This work focuses on studying blood flow at the scale of capillary circulation. Capillaries are the smallest blood vessels, with diameters of only a few microns, where the exchange of nutrients between blood and body tissues occurs. Blood flow through these vessels is called microcirculation, and damages at this scale are not measurable in most hospitals. However, it has been observed that information about initial damage can be obtained from microcirculation, which, if detected in time, can prevent more serious repercussions in the cardiovascular system. Models and simulations based on theoretical and experimental foundations help better understand this part of the circulatory system while complementing future measurement devices. Microcirculation has particular physical conditions that make it a complex system: (1) It is a granular, non-Newtonian fluid, with viscosity dependent on radius. (2) In addition to blood flow, the system involves plasma filtration out of the capillary. To accurately describe the system, two theoretical models, developed at the University of Florence, were used. Due to the complexity of the problem, various neural network architectures were developed initially tested under less specific conditions, such as solving the Navier-Stokes equations for newtonian fluids. Subsequently, these methods were applied to microcirculation models, to recreate the results documented in the literature on red blood cell concentrations and velocities in the system. This work found that it is possible to recreate microcirculation using physics-informed neural networks, without the need for databases. By validating the model with literature, it was confirmed that the simulation can be used in research with real data and contribute to studies and developments in this area.eng
dc.description.degreelevelPregrado
dc.description.degreenameOtro
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/6625
dc.language.isospa
dc.publisherUniversidad EIA
dc.publisher.facultyEscuela de Ingeniería y Ciencias Básicas
dc.publisher.placeEnvigado (Antioquia, Colombia)
dc.publisher.programOtro
dc.rightsDerechos Reservados - Universidad EIA, 2024
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.subject.proposalMecánica de fluidosspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalMicrocirculaciónspa
dc.subject.proposalNavier-Stokeseng
dc.subject.proposalFluid mechanicseng
dc.subject.proposalNeural networkseng
dc.subject.proposalMicrocirculationeng
dc.titleSimulación computacional de la microcirculación usando redes neuronalesspa
dc.typeTrabajo de grado - Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
GarciaDaniel_2024_SimulacionComputacionalMicrocirculacion.pdf
Tamaño:
1.42 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.49 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Física