Sistema para mapeamento e navegação da uretra através de múltiplos sensores

• Autor(a) principal: Carvalho, Rui Miguel Martins
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/11110/2191
• topic: Bexiga Neurogénica; Cateterismo Intermitente Limpo; Sensores Piezoresistivos; Trajetória Uretral; Rede Neuronal Artificial

O refluxo vesico ureteral está patente em cerca de um terço dos pacientes portadores de uma disfunção vesical neurogénica não neurogénica. O tratamento conservador para a disfunção vesical recorre, essencialmente, à utilização de medicamentos e ao procedimento de cateterismo intermitente limpo, com o objetivo de despejar a bexiga periodicamente ao longo do dia. Este processo é concretizado pela algaliação do doente, através da introdução de um cateter pela uretra. Revelase uma tarefa de difícil execução, além das possíveis complicações inerentes ao procedimento, incluindo infeções do trato urinário (ITU), estenose de uretra e falso trajeto. Para reduzir as referidas complicações é proposto neste trabalho um novo sistema para mapear, em tempo real, a trajetória que o cateter está a realizar durante a sua introdução na uretra para apoiar o doente ou o cuidador na execução desta tarefa. A metodologia proposta para a realizar esta prova de conceito consistiu na aplicação ao longo de um cateter de um conjunto de sensores resistivos de deformação cujo valor alimenta uma rede neuronal treinada para estimar a orientação do cateter. Para a criação dos dados de treino de referência foram colocados sensores de captura de movimento eletromagnéticos no interior do cateter (Aurora Ndi). Posteriormente, foi criado um setup onde foi possível movimentar o cateter através de um robô e adquirir, em simultâneo, os dados dos sensores de deformação (entrada da rede) e dos sensores de deteção de movimento eletromagnéticos (saída da rede). Na implementação da rede neuronal artificial (RNA) foram testadas diferentes arquiteturas (alterando camadas ocultas e neurónios), com vários optimizadores e parâmetros, sendo avaliado o desempenho individual de cada número. Os valores dos sensores eletromagnéticos foram usados para estimar o erro do ângulo 3D de dois vetores associados à curvatura do cateter através de uma multi layer feedforward neural network (MLFNN). A MLFNN foi treinada a partir dos sensores de deformação (entradas) e dos sensores eletromagnéticos (saídas). O modelo da rede usou dados particionados de três datasets treino, desenvolvimento e teste sendo o otimizador LevenbergMarquardt o que obteve melhores resultados nos testes com amostras dos sensores de deformação desconhecidas pelo modelo. O erro obtido em graus nos vetores, respetivo às três etapas foi [1,1°; 2,2°], [2,1°; 3,5°] e [1,7°; 3,5°], respetivamente. Os resultados alcançados, embora preliminares, mostraramse promissores no que se refere ao desenvolvimento de uma solução, baseada em princípios similares, para a resolução deste problema clínico.