Parameter estimation of compartmental models for positron emission tomography. / Estimação de parâmetros de modelos compartimentais para tomografia por emissão de pósitrons.

AUTOR(ES)

João Eduardo Maeda Moreira da Silva

DATA DE PUBLICAÇÃO

2010

RESUMO

O presente trabalho possui como metas o estudo, simulação, identificação de parâmetros e comparação estatística de modelos compartimentais utilizados em tomografia por emissão de pósitrons (PET). Para tanto, propõe-se utilizar a metodologia de equações de sensibilidade e o método de Levenberg-Marquardt para a tarefa de estimação de parâmetros característicos das equações diferenciais descritoras dos referidos sistemas. Para comparação entre modelos, foi empregado o critério de informação de Akaike. São consideradas três estruturas compartimentais compostas, respectivamente, por dois compartimentos e duas constantes características, três compartimentos e quatro constantes características e quatro compartimentos e seis constantes características. Os dados considerados neste texto foram sintetizados preocupando-se em reunir as principais características de um exame de tomografia real, tais como tipo e nível de ruído e morfologia de função de excitação do sistema. Para tanto, foram utilizados exames de pacientes do setor de Medicina Nuclear do Instituto do Coração da Faculdade de Medicina da Universidade de São Paulo. Aplicando-se a metodologia proposta em três níveis de ruído (baixo, médio e alto), obteve-se concordância do melhor modelo em graus forte e considerável (com índices de Kappa iguais a 0.95, 0.93 e 0.63, respectivamente). Observou-se que, com elevado nível de ruído e modelos mais complexos (quatro compartimentos), a classificação se deteriora devido ao pequeno número de dados para a decisão. Foram desenvolvidos programas e uma interface gráfica que podem ser utilizadas na investigação, elaboração, simulação e identificação de parâmetros de modelos compartimentais para apoio e análise de diagnósticos clínicos e práticas científicas.

ASSUNTO(S)

sistemas de equações diferenciais otimização não-linear compartmental modeling parametric estimation nonlinear optimization estimação paramétrica equações de sensibilidade differential equations systems modelos compartimentais sensitivity equations

Documentos Relacionados

• Mapping memory with positron emission tomography.
• Functional mapping of the human cerebellum with positron emission tomography.
• Functional neuroanatomy of antisaccade eye movements investigated with positron emission tomography.
• Investigation of the opioid system in absence seizures with positron emission tomography.
• Progressive degeneration of the right temporal lobe studied with positron emission tomography.