Alexandre Souto Martinez* Brenno Caetano Troca Cabella I WORKSHOP EM PRESSÃO INTRACRANIANA Ribeirão Preto, 07 de outubro de 2011 Departamento de Física.

Apresentação em tema: "Alexandre Souto Martinez* Brenno Caetano Troca Cabella I WORKSHOP EM PRESSÃO INTRACRANIANA Ribeirão Preto, 07 de outubro de 2011 Departamento de Física."— Transcrição da apresentação:

1 Alexandre Souto Martinez* Brenno Caetano Troca Cabella I WORKSHOP EM PRESSÃO INTRACRANIANA Ribeirão Preto, 07 de outubro de 2011 Departamento de Física Faculdade de Filosofia Ciências e Letras de Ribeirão Preto Universidade de São Paulo * INCT – Sistemas Complexos

2 Tensão (mV) Obtenção da PIC

3 Tensão (mV)Pressão (mmHg) Obtenção da PIC

4 Tensão (mV)Pressão (mmHg) Obtenção da PIC

5

6 Séries temporais relacionadas (STR) Série temporal alvo (STA)

7 Séries temporais relacionadas (STR) - Pressão sanguínea arterial (PSA) - Velocidade do fluxo sanguíneo cerebral (VFSC) Ultrassom doppler transcraniano Aparelhos tonométricos Série temporal alvo (STA) - Pressão intra-craniana (PIC)

8 Base de dados Medidas simultâneas: PSA, VFSC e PIC (446 amostras) Modelo

9 Base de dados Medidas simultâneas: PSA, VFSC e PIC (446 amostras) Modelo

10 Base de dados Medidas simultâneas: PSA, VFSC e PIC (446 amostras) Modelo

11 Base de dados Medidas simultâneas: PSA, VFSC e PIC (446 amostras) Modelo

12 Resultados

13

14 Novo dado de entrada: Taxa de batimento cardíaco instantânea (BCI)

15 Novo dado de entrada: Taxa de batimento cardíaco instantânea (BCI)

16 Estudo mais detalhado da capacidade de ajuste de dados (fitting). - Gráfico da medida de dissimilaridade para cada combinação entrada-saída.

17 -Teste de Friedman: Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001)

18 -Teste de Friedman: Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001) -Generalidade do método; O modelo obtido a partir de um paciente pode descrever a dinâmica de outro paciente?

19 -Teste de Friedman: Verifica se as diferenças das medidas de dissimilaridades obtidas a partir de diferentes dados de entrada são estatisticamente significativas. Resultado: significativo (p<0.001) -Generalidade do método; O modelo obtido a partir de um paciente pode descrever a dinâmica de outro paciente? Uso do próprio banco de dados e aplica os modelos obtidos para diferentes pacientes.

20 -Melhor performance possível. Verifica o melhor resultado dentre todos os testes.

21 -Acurácia geral. Média entre todos os casos.

22 Proposta: Utilizar os dados da PICMI como entrada do modelo.

23 Séries temporais relacionadas (STR) Série temporal alvo (STA)

24 Séries temporais relacionadas (STR) Série temporal alvo (STA)

25 -Ruído branco, obtido a partir de um experimento com baixa relação sinal-ruído.

26

27 Problema: Determinação dos coeficientes:

28 Para determinar os coeficientes, compara-se os sinais modelados com os medidos, através da função de dissimilaridade:

29 Quando tem valor mínimo. Portanto temos um problema de otimização com muitos mínimos.

30 Para determinar os coeficientes, compara-se os sinais modelados com os medidos, através da função de dissimilaridade: Quando tem valor mínimo. Portanto temos um problema de otimização com muitos mínimos. Solução: Otimização Estocástica

31 Otimização estocástica -Algoritmo genético

32 -Recozimento simulado (simulated annealing) + funções de penalidade e de regularização que dependem do problema. Em suma: tem-se um belo problema inverso! Otimização estocástica

33 -Introduzir “feedback” (retro alimentação) Proposta:

34 -Introduzir “feedback” (retro alimentação) Proposta:

35 Obrigado