L’insufficienza cardiaca viene definita la piaga dei paesi industrializzati, rappresentandone la prima causa di morte. Negli stadi più avanzati, una delle migliori terapie è il trapianto di cuore, ma il numero di donatori non aumenta di pari passo con l’incidenza della suddetta sindrome. È quindi crescente l’interesse verso i dispositivi di assistenza cardiaca, in particolare per il cuore artificiale totale (TAH). Lo scopo del presente lavoro è l’ottimizzazione multi obiettivo dell’architettura di un attuatore lineare elettromeccanico oscillante per l’applicazione in un TAH. Per conseguire tale obiettivo si affiancano tecniche ben consolidate nel campo ingegneristico, come il metodo di Taguchi e l’analisi agli elementi finiti (FEA), ad altre di più recente sviluppo, quali modelli predittivi basati su machine learning, in particolare su reti neurali profonde, gaussian process regression e support vector machine. Tali modelli ricevendo come input le variabili di progetto dell’attuatore ne predicono le prestazioni. Questo consente di ridurre i tempi di calcolo rispetto alla FEA, accelerando l’individuazione del fronte di Pareto mediante un algoritmo ibrido stocastico/deterministico. Al termine dell’ottimizzazione, le prestazioni dell’attuatore sono migliorate in termini di forza media durante la fase sistolica di circa il 14% sul ventricolo sinistro, e del 40% su quello destro, ottenendo contestualmente una riduzione della potenza dissipata del 54%.

Attuatore elettromagnetico biventricolare per un cuore artificiale totale: ottimizzazione del progetto mediante tecniche di machine learning

VISONÀ, NICOLA
2022/2023

Abstract

L’insufficienza cardiaca viene definita la piaga dei paesi industrializzati, rappresentandone la prima causa di morte. Negli stadi più avanzati, una delle migliori terapie è il trapianto di cuore, ma il numero di donatori non aumenta di pari passo con l’incidenza della suddetta sindrome. È quindi crescente l’interesse verso i dispositivi di assistenza cardiaca, in particolare per il cuore artificiale totale (TAH). Lo scopo del presente lavoro è l’ottimizzazione multi obiettivo dell’architettura di un attuatore lineare elettromeccanico oscillante per l’applicazione in un TAH. Per conseguire tale obiettivo si affiancano tecniche ben consolidate nel campo ingegneristico, come il metodo di Taguchi e l’analisi agli elementi finiti (FEA), ad altre di più recente sviluppo, quali modelli predittivi basati su machine learning, in particolare su reti neurali profonde, gaussian process regression e support vector machine. Tali modelli ricevendo come input le variabili di progetto dell’attuatore ne predicono le prestazioni. Questo consente di ridurre i tempi di calcolo rispetto alla FEA, accelerando l’individuazione del fronte di Pareto mediante un algoritmo ibrido stocastico/deterministico. Al termine dell’ottimizzazione, le prestazioni dell’attuatore sono migliorate in termini di forza media durante la fase sistolica di circa il 14% sul ventricolo sinistro, e del 40% su quello destro, ottenendo contestualmente una riduzione della potenza dissipata del 54%.
2022
Biventricular electromagnetic actuator for a total artificial heart: design optimization by means of machine learning techniques
Linear actuator
Biventricular TAH
Machine Learning
GPR
Taguchi method
File in questo prodotto:
File Dimensione Formato  
Tesi PDFA.pdf

embargo fino al 13/04/2025

Dimensione 4.14 MB
Formato Adobe PDF
4.14 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/55092