Αλγοριθμικός σχεδιασμός μέγιστα αποδοτικού συστήματος εν τω βάθει εγκεφαλικής διέγερσης κλειστού βρόχου για κινητικές και νευροψυχιατρικές διαταραχές

Στασινός, Νικόλαος; Stasinos, Nikolaos

dc.contributor.author	Στασινός, Νικόλαος	el
dc.contributor.author	Stasinos, Nikolaos	en
dc.date.accessioned	2016-07-29T10:01:01Z
dc.date.available	2016-07-29T10:01:01Z
dc.date.issued	2016-07-29
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43345
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13305
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/3.0/gr/	*
dc.subject	Νόσος του Πάρκινσον	el
dc.subject	Ιδεοψυχαναγκαστική διαταραχή	el
dc.subject	Εν τω βάθει εγκεφαλική διέγερση κλειστού βρόχου	el
dc.subject	Βελτιστοποίηση	el
dc.subject	Υποθαλαμικός πυρήνας	el
dc.subject	Parkinson's disease	en
dc.subject	Obsessive-compulsive disorder	en
dc.subject	Closed-loop deep brain stimulation	en
dc.subject	Optimization	el
dc.subject	Subthalamic nucleus	el
dc.title	Αλγοριθμικός σχεδιασμός μέγιστα αποδοτικού συστήματος εν τω βάθει εγκεφαλικής διέγερσης κλειστού βρόχου για κινητικές και νευροψυχιατρικές διαταραχές	el
heal.type	bachelorThesis
heal.classification	Βιοϊατρική μηχανική	el
heal.classificationURI	http://data.seab.gr/concepts/e21d30fc29c7c38310b1b9c23590a18fd030f6f2
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-07-14
heal.abstract	Η εν τω βάθει εγκεφαλική διέγερση είναι μια μέθοδος που καταστέλλει τα συμπτώματα κινητικών και νευροψυχιατρικών διαταραχών, όπως η νόσος του Πάρκινσον και η ιδεοψυχαναγκαστική διαταραχή. Σε αντίθεση με τη διαδικασία ανοιχτού βρόχου που πραγματοποιείται κλινικά σήμερα, η εν τω βάθει εγκεφαλική διέγερση κλειστού βρόχου ρυθμίζει τη διέγερση στον ασθενή ανάλογα με την κατάστασή του κάθε στιγμή, ενώ μπορεί να γίνει ενεργειακά και θεραπευτικά αποδοτικότερη. Η παρούσα διπλωματική εργασία έχει ως στόχο τη σχεδίαση και βελτιστοποίηση ενός συστήματος εν τω βάθει εγκεφαλικής διέγερσης κλειστού βρόχου, μέσω σύγχρονων μεθόδων βελτιστοποίησης και μη γραμμικής στοχαστικής μοντελοποίησης, καθώς και την αξιολόγηση του συγκεκριμένου συστήματος μέσω προσομοιώσεων, οι οποίες βασίστηκαν σε δεδομένα διεγχειρητικών μικροηλεκτροδιακών καταγραφών σε ασθενείς με νόσο του Πάρκινσον και ιδεοψυχαναγκαστική διαταραχή. Τα αποτελέσματα της διπλωματικής εργασίας στοχεύουν στην εύρεση του καταλληλότερου αλγορίθμου βελτιστοποίησης για τις παραπάνω κινητικές και νευροψυχιατρικές διαταραχές, ώστε το σύστημα κλειστού βρόχου να είναι θεραπευτικά και ενεργειακά αποδοτικό, προσφέροντας εξατομικευμένη θεραπεία σε κάθε ασθενή. Συγκεκριμένα, συγκρίθηκαν ο αλγόριθμος Άμεσης Αναζήτησης για Βελτιστοποίηση με Πολλαπλά Κριτήρια (Direct Multisearch for Multiobjective Optimization – DMS) και ο αλγόριθμος Ολικής και Τοπικής Βελτιστοποίησης με Άμεση Αναζήτηση (Global and Local Optimization using Direct Search – GLODS) και καταλληλότερος κρίθηκε ο αλγόριθμος Ολικής και Τοπικής Βελτιστοποίησης με Άμεση Αναζήτηση (GLODS), καθώς παρέχει καλύτερο θεραπευτικό αποτέλεσμα και πιο εξατομικευμένη θεραπεία.	el
heal.abstract	Deep brain stimulation is a method which can suppress the symptoms of motor and neuropsychiatric disorders, such as Parkinson's disease and Obsessive-Compulsive Disorder. In contrast to the open-loop procedure which is performed clinically, a closed-loop deep brain stimulation system adjusts the stimulation to the patient based on his current condition and can be both energy and therapeutically efficient. The purpose of this thesis is the design and optimization of a closed-loop deep brain stimulation system, based on stochastic models. Furthermore, the system was tested by computer simulations based on intraoperative microelectrode recordings, collected from patients with Parkinson's Disease and Obsessive Compulsive Disorder, during deep brain stimulation procedures. Finally, this thesis aims at finding the most appropriate optimization algorithm, in order for the closed-loop system to become therapeutically and energy efficient, and offer personalized treatment to patients. Specifically, Direct Multisearch for Multiobjective Optimization algorithm (DMS) and Global and Local Optimization using Direct Search algorithm (GLODS) were compared and the latter one (GLODS) proved to be more appropriate, due to its therapeutic effects and its ability to provide more personalized treatment.	en
heal.abstract	Deep brain stimulation is a method which can suppress the symptoms of motor and neuropsychiatric disorders, such as Parkinson's disease and Obsessive -Compulsive Disorder. In contrast to the open-loop procedure which is performed clinically, a closed -loop deep brain stimulation system adjusts the stimulation to the patient based on his current condition and can be both energy and therapeutically efficient. The purpose of this thesis is the design and optimization of a closed -loop deep brain stimulation system, based on stochastic models. Furthermore, the system was tested by computer simulations based on intraoperative microelectrode recordings, collected from patients with Parkinson's Disease and Obsessive Compulsive Disorder, during deep brain stimulation procedures. Finally, this the sis aims at finding the most appropriate optimization algorithm, in order for the closed-loop system to become therapeutically and energy efficient, and offer personalized treatment to patients. Specifically, Direct Multisearch for Multiobjective Optimization algorithm (DMS) and Global and Local Optimization using Direct Search algorithm (GLODS) were compared and the latter one (GLODS) proved to be more appropriate, due to its therapeutic effects and its ability to provide more personalized treatment.	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Κουτσούρης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	81 σ.
heal.fullTextAvailability	true