A carregar...
Projeto de investigação
Fluid-structure interaction for functional assessment of ascending aortic aneurysms: a biomechanical-based approach toward clinical practice
Financiador
Autores
Publicações
Clinical prediction and spatial statistical analysis of ascending thoracic aortic aneurysm structure
Publication . Oviedo Rodríguez, Katalina; Carvalho, Alda; Valente, Rodrigo; Xavier, José; Tomás, António
This study presents an analysis of data from patients with ascending thoracic aortic aneurysms (ATAAs). Two databases of 87 patients were available: one containing clinical variables and the other consisting of measurements of the maximum diameter taken along the ascending aorta. For the clinical database, both a supervised and an unsupervised learning method were applied to explore patterns within the data. On the other hand, for the ascending aorta dataset, experimental variograms were calculated, from which key parameters of interest were extracted. These parameters were then analyzed over time to assess temporal patterns. This analysis aimed to assess the emergence of similar patterns or behaviour in patients with aneurysms of comparable sizes. Based on the analyses conducted, the clinical variables with the greatest importance in surgical decision-making were identified, while the spatial statistical analysis revealed patterns that may be related to elasticity, stiffness, or deformations of the aorta
Clustering of wind speed time series as a tool for wind farm diagnosis
Publication . Martins, Ana; Vaz, Daniel; Silva, Tiago; Cardoso, Margarida; Carvalho, Alda
In several industrial fields, environmental and operational data are acquired with numerous purposes, potentially generating a huge quantity of data containing valuable information for management actions. This work proposes a methodology for clustering time series based on the K-medoids algorithm using a convex combination of different time series correlation metrics, the COMB distance. The multidimensional scaling procedure is used to enhance the visualization of the clustering results, and a matrix plot display is proposed as an efficient visualization tool to interpret the COMB distance components. This is a general-purpose methodology that is intended to ease time series interpretation; however, due to the relevance of the field, this study explores the clustering of time series judiciously collected from data of a wind farm located on a complex terrain. Using the COMB distance for wind speed time bands, clustering exposes operational similarities and dissimilarities among neighboring turbines which are influenced by the turbines’ relative positions and terrain features and regarding the direction of oncoming wind. In a significant number of cases, clustering does not coincide with the natural geographic grouping of the turbines. A novel representation of the contributing distances—the COMB distance matrix plot—provides a quick way to compare pairs of time bands (turbines) regarding various features.
Análise estatística espacial e previsão clínica de aneurismas da aorta torácica ascendente
Publication . Oviedo Rodríguez, Katalina; Carvalho, Alda; Xavier, José Manuel Cardoso
A deteção precoce do risco de rutura de aneurismas da aorta permite intervir cirurgicamente em tempo útil. O tamanho do aneurisma é avaliado pelo diâmetro; segundo algumas diretrizes clínicas, recomenda-se a reparação do aneurisma para diâmetros superiores a 50 mm em mulheres e superiores a 55 mm em homens. No entanto, tem-se evidenciado que este parâmetro não é suficiente como indicador de cirurgia. Neste trabalho procura-se contribuir para o estudo deste problema; para tal, realiza-se uma análise exploratória com bases de dados de doentes com aneurismas localizados na aorta ascendente. Aplicam-se técnicas de estatística espacial e de Machine Learning para a caraterização.
Relativamente às técnicas de estatística espacial, utilizou-se o cálculo de variogramas para o estudo espacial dos diâmetros máximos na aorta ascendente e a técnica de krigagem ordinária para a estimação de novos diâmetros máximos. No âmbito das técnicas de Machine Learning, recorreu-se, no caso da aprendizagem supervisionada, à regressão logística e, na aprendizagem não supervisionada, ao método k-means, com o objetivo de estudar se, a partir das variáveis clínicas, seria possível determinar se os doentes necessitam ou não de cirurgia.
Verificou-se que o variograma sugere a localização do aneurisma na aorta e que, a partir dos seus parâmetros, é possível estudar propriedades biomecânicas da aorta, como a
elasticidade e a rigidez local. Por sua vez, a técnica de krigagem ordinária revelou-se útil na estimação de diâmetros máximos em instantes que não foram objeto de amostragem.
Além disso, a análise das variáveis clínicas permitiu concluir que o diâmetro máximo é a variável mais relevante na decisão de operar, em consonância com a literatura e com as recomendações atualmente vigentes.
Unidades organizacionais
Descrição
Palavras-chave
Advanced computational modelling ,Ascending aortic aneurysm ,Hemodynamic,Biological tissue mechanical behaviour, Engineering and technology
Contribuidores
Financiadores
Entidade financiadora
Fundação para a Ciência e a Tecnologia, I.P.
Programa de financiamento
Concurso de Projetos IC&DT em Todos os Domínios Científicos
Número da atribuição
PTDC/EMD-EMD/1230/2021