Λεπτομέρειες βιβλιογραφικής εγγραφής
| Τίτλος: |
Mathematical Methods to Predict the Dynamic Shape Evolution of Cancer Growth based on Spatio-Temporal Bayesian and Geometrical Models |
| Συγγραφείς: |
Vlad, Iulian Teodor |
| Συνεισφορές: |
University/Department: Universitat Jaume I. Departament de Matemàtiques |
| Thesis Advisors: |
Mateu Mahiques, Jorge, Gual Arnau, José Joaquín |
| Πηγή: |
TDX (Tesis Doctorals en Xarxa) |
| Στοιχεία εκδότη: |
Universitat Jaume I, 2016. |
| Έτος έκδοσης: |
2016 |
| Φυσική περιγραφή: |
207 p. |
| Θεματικοί όροι: |
Tumor growth, Spacetime modeling, Prediction methods, Cobweb algorithm, Shape evolution, PREDYSEC software, Ciències naturals, químiques, físiques i matemàtiques |
| Περιγραφή: |
The aim of this research is to observe the dynamics of cancer tumors and to develop and implement new methods and algorithms for prediction of tumor growth. I offer some tools to help physicians for a better understanding this disease and to check if the prescribed treatment have the desired results. The plan of the thesis is the following. In Chapter 1 I briefly recall some properties and classification of points processes with some examples of spatio-temporal point processes. Chapter 2 presents a short overview of the theory of Levy bases and integration with respect to such basis is given, I recall standard results about spatial Cox processes, and finally I propose different types of growth models and a new algorithm, the Cobweb, which is presented and developed based on the proposed methodology. Chapters 3, 4 and 5 are dedicated to present new prediction methods. The implementation in Matlab software comes in Chapter 6. The thesis ends with some conclusion and future research. |
| Description (Translated): |
El objetivo de esta investigación es observar la dinámica de los tumores, desarrollar e implementarnuevos métodos y algoritmos para la predicción del crecimiento tumoral. Queremos ofrecer algunasherramientas para ayudar a los médicos a comprender y tratar esta enfermedad. Utilizando unmétodo de predicción , y comparándolo con la evolución real de un tumor, un médico puede constata si el tratamiento prescrito tiene el efecto deseado, y de acuerdo con ello, si es necesario, tomar la decisión de intervención quirúrgica. El plan de la tesis es el siguiente. En el primer capítulo recordamos brevemente algunaspropiedades y procesos de clasificación de procesos puntuales con algunos ejemplosespacio-temporales. El capítulo 2 presenta una breve descripción de la teoría de las bases de Levy y se da la integración con respecto a dicha base, recordamos resultados estándar sobre procesosespaciales de Cox, y finalmente proponemos diferentes tipos de modelos de crecimien to y un nuevo algoritmo, el Cobweb, que es presentado y desarrollado en base a la metodología propuesta. Los capítulos 3, 4 y 5 están dedicados a presentar nuevos métodos de predicción. |
| Τύπος εγγράφου: |
Dissertation/Thesis |
| Περιγραφή αρχείου: |
application/pdf |
| Γλώσσα: |
English |
| DOI: |
10.6035/14019.2016.215249 |
| Σύνδεσμος πρόσβασης: |
http://hdl.handle.net/10803/670303 |
| Rights: |
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. |
| Αριθμός Καταχώρησης: |
edstdx.10803.670303 |
| Βάση Δεδομένων: |
TDX |