دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. 2021
نویسندگان: João P. Belfo
سری: SpringerBriefs in Electrical and Computer Engineering
ISBN (شابک) : 3030504875, 9783030504878
ناشر: Springer
سال نشر: 2020
تعداد صفحات: 108
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Optimal Impulsive Control for Cancer Therapy (SpringerBriefs in Electrical and Computer Engineering) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل تکانشی بهینه برای درمان سرطان (SpringerBriefs در مهندسی برق و کامپیوتر) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این خلاصه Springer استفاده از روشهای مهندسی کنترل برای برنامهریزی درمان سرطان را مورد بحث قرار میدهد که تمایل به کاهش اندازه تومور در بیماران را دارد و تعادلی ایجاد میکند که اثرات سمی درمان را به حداقل میرساند. نویسندگان به طراحی و محاسبه درمانهای کنترل تکانشی میپردازند، روشی که قبلاً در کاربرد روشهای کنترل در مدلسازی پزشکی مورد بررسی قرار نگرفته بود. این امکان شبیهسازی رویدادهای مجزا مانند مصرف یک قرص را فراهم میکند، نه اینکه به درمان مداوم و ثابت تکیه کنیم.
کتاب با مقدمهای بر موضوع آغاز میشود، قبل از اینکه به فارماکوکینتیک، فارماکودینامیک و تومور بپردازد. مدل های رشد و توضیح اینکه چگونه آنها رابطه بین یک برنامه درمانی خاص و تکامل سرطان را توصیف می کنند. این به طور محکم در زمینه کار معرفی معادلات دیفرانسیل ضربه ای قرار می گیرد. فصل آخر تحقیقات ارائه شده را خلاصه میکند و زمینههای تحقیقاتی آینده را برای تشویق خوانندگان به پیشبرد موضوع پیشنهاد میکند.
این کتاب مورد علاقه مهندسان، محققان و دانشجویان زیستپزشکی
است، بهویژه کسانی که پیشینهای در سیستمها و دانشآموزان
دارند. مهندسی کنترل.
This Springer brief discusses the use of control engineering methods to plan a cancer therapy which tends to reduce tumour size in patients, striking a balance that minimizes the toxic effects of the treatment. The authors address the design and computation of impulsive control therapies, a methodology previously underexplored in the application of control methods to medical modelling. This allows simulation of such discrete events as taking a pill rather than relying on the supply of therapy being continuous and steady.
The book begins with an introduction to the topic, before moving onto pharmacokinetic, pharmacodynamical and tumour-growth models and explaining how they describe the relationship between a certain therapy plan and the evolution of cancer. This is placed firmly in the context of work introducing impulsive differential equations. The final chapter summarizes the research presented and suggests future areas of research to encourage readers in taking the subject forward.
This book is of interest to biomedical engineers, researchers
and students, particularly those with a background in systems
and control engineering.
Preface Contents Abbreviations 1 Introduction 1.1 Motivation 1.2 Problem Formulation 1.3 Background Literature Review 1.4 Book Outline References 2 Pharmacokinetic and Pharmacodynamical Models 2.1 Pharmacokinetics 2.1.1 Types of Models 2.1.2 Compartmental Models 2.1.3 Positive Systems 2.1.4 Example: A 2 Compartment Model 2.2 Pharmacodynamics References 3 Tumor Growth Models 3.1 Tumor Growth Dynamics 3.2 Logistic Growth Model 3.2.1 Solution of the Logistic Equation 3.3 Gompertz Growth Model 3.4 Interacting Subsystems 3.4.1 Immune System 3.4.2 Angiogenesis 3.5 Global Model References 4 Optimal Impulsive Control 4.1 Distributions 4.2 Impulsive Differential Equations 4.3 Pharmacokinetic Model Response 4.4 A Maximum Principle for Impulsive Optimal Control 4.5 A Priori Imposed Impulses References 5 Cancer Therapy Optimization 5.1 Variable Amplitudes and Fixed Time Intervals 5.1.1 Minimizing the Tumor Volume 5.1.2 Reducing Side Effects 5.1.3 Influence of the Parameter ρ 5.1.4 Influence of the Parameter H 5.2 Variable Amplitudes and Periodic Time Intervals 5.2.1 Influence of the Immune System 5.2.2 Influence of the Angiogenesis Process 5.3 Variable Amplitudes and Time Intervals 5.3.1 Minimum Attention Control 5.3.2 Selection of the Number of Impulses 5.4 Receding Horizon Control References 6 Complementary Aspects 6.1 Sensitivity Analysis 6.1.1 Parameter Variation 6.1.2 Modeling Errors 6.1.3 Quantization 6.2 Using the Gompertz Growth Model 6.3 Pseudospectral Methods Reference 7 Conclusions and Research Topics 7.1 Conclusions 7.2 Research Topics References Appendix Series Editor Biographies Preface Contents Abbreviations 1 Introduction 1.1 Motivation 1.2 Problem Formulation 1.3 Background Literature Review 1.4 Book Outline References 2 Pharmacokinetic and Pharmacodynamical Models 2.1 Pharmacokinetics 2.1.1 Types of Models 2.1.2 Compartmental Models 2.1.3 Positive Systems 2.1.4 Example: A 2 Compartment Model 2.2 Pharmacodynamics References 3 Tumor Growth Models 3.1 Tumor Growth Dynamics 3.2 Logistic Growth Model 3.2.1 Solution of the Logistic Equation 3.3 Gompertz Growth Model 3.4 Interacting Subsystems 3.4.1 Immune System 3.4.2 Angiogenesis 3.5 Global Model References 4 Optimal Impulsive Control 4.1 Distributions 4.2 Impulsive Differential Equations 4.3 Pharmacokinetic Model Response 4.4 A Maximum Principle for Impulsive Optimal Control 4.5 A Priori Imposed Impulses References 5 Cancer Therapy Optimization 5.1 Variable Amplitudes and Fixed Time Intervals 5.1.1 Minimizing the Tumor Volume 5.1.2 Reducing Side Effects 5.1.3 Influence of the Parameter ρ 5.1.4 Influence of the Parameter H 5.2 Variable Amplitudes and Periodic Time Intervals 5.2.1 Influence of the Immune System 5.2.2 Influence of the Angiogenesis Process 5.3 Variable Amplitudes and Time Intervals 5.3.1 Minimum Attention Control 5.3.2 Selection of the Number of Impulses 5.4 Receding Horizon Control References 6 Complementary Aspects 6.1 Sensitivity Analysis 6.1.1 Parameter Variation 6.1.2 Modeling Errors 6.1.3 Quantization 6.2 Using the Gompertz Growth Model 6.3 Pseudospectral Methods Reference 7 Conclusions and Research Topics 7.1 Conclusions 7.2 Research Topics References Appendix Series Editor Biographies