Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Determination of the pharmaceutical treatment-dosage for cancer patients using non-linear optimization techniques

Mavromatakis Iason

Simple record


URIhttp://purl.tuc.gr/dl/dias/23307555-2A80-4BBA-9BC0-25BA5DE4F423-
Identifierhttps://doi.org/10.26233/heallink.tuc.84772-
Languageen-
Extent106 pagesen
TitleDetermination of the pharmaceutical treatment-dosage for cancer patients using non-linear optimization techniquesen
TitleΠροσδιορισμός της χορήγησης φαρμακευτικής αγωγής-δοσολογίας σε καρκινοπαθείς με χρήση τεχνικών μη-γραμμικής βελτιστοποίησηςel
CreatorMavromatakis Iasonen
CreatorΜαυροματακης Ιασωνel
Contributor [Thesis Supervisor]Stavrakakis Georgiosen
Contributor [Thesis Supervisor]Σταυρακακης Γεωργιοςel
Contributor [Committee Member]Zervakis Michailen
Contributor [Committee Member]Ζερβακης Μιχαηλel
Contributor [Committee Member]Sergaki Eleftheriaen
Contributor [Committee Member]Σεργακη Ελευθεριαel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryCancer, a disease first documented thousands of years ago, remains one of the most important issues of medicine, troubling numerous scientists and researchers, as well as individual patients. In this study, a non-linear mathematical model of tumor growth with immune response, under the effects of chemotherapeutic treatment, is presented. After analyzing the dynamics of the cells and the possible equilibria of the drug-free system, their interactions with the drug are examined. Later on, two cost-efficient optimal control approaches are reviewed, based on Direct Collocation and State-Dependent Riccati Equation methods, and then they are extended further so that they can be practically applied to patients. Ultimately, the results from each method are presented, providing an overall better regimen, when compared to previous studies, by successfully eradicating the tumor and keeping the side-effects of chemotherapy to a minimum. en
Content SummaryΟ καρκίνος αποτελεί μια ασθένεια που πρωτοεμφανίστηκε πριν από χιλιάδες χρόνια και εξακολουθεί να παραμένει ένα από τα σημαντικότερα ζητήματα της ιατρικής. Στην παρούσα διπλωματική εργασία παρουσιάζεται και αναλύεται ένα μη γραμμικό μαθηματικό μοντέλο που προσομοιώνει την εξέλιξη ενός αρχικά μεγάλου όγκου, υπό την επήρεια ενός αποδυναμωμένου ανοσοποιητικού συστήματος και χημειοθεραπευτικής αγωγής. Το πρόβλημα εύρεσης της βέλτιστης δοσολογίας χημειοθεραπευτικού φαρμάκου για αυτήν την περίπτωση αποτελεί μία πρόκληση. Για τον λόγο αυτό, αναπτύσσονται δύο μέθοδοι θεραπείας, βασισμένες στις μεθόδους βέλτιστου ελέγχου Direct Collocation και State-Dependent Riccati Equation, οι οποίες στη συνέχεια εφαρμόζονται σε περιβάλλον προσομοίωσης. Τα αποτελέσματα τους είναι πολύ ικανοποιητικά, καθώς εξαλείφουν τον όγκο επιτυχώς, ενώ παράλληλα περιορίζουν τις παρενέργειες της χημειοθεραπείας στον οργανισμό του ασθενή.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2020-02-26-
Date of Publication2020-
SubjectTumor growthen
SubjectCanceren
SubjectCancer modelen
SubjectChemotherapyen
SubjectDrug Dosageen
SubjectToxicityen
SubjectMathematical modellingen
SubjectImmune systemen
SubjectOrdinary differential equationsen
SubjectDirect Collocationen
SubjectSDRE controlen
SubjectOptimal controlen
Bibliographic CitationIason Mavromatakis, "Determination of the pharmaceutical treatment-dosage for cancer patients using non-linear optimization techniques", Diploma Work, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Chania, Greece, 2020en
Bibliographic CitationΙάσων Μαυροματάκης, "Προσδιορισμός της χορήγησης φαρμακευτικής αγωγής-δοσολογίας σε καρκινοπαθείς με χρήση τεχνικών μη-γραμμικής βελτιστοποίησης", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020el

Available Files

Services

Statistics