BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20231129T133622Z LAST-MODIFIED:20231129T133622Z DTSTAMP:20260809T191624Z UID:1786292184@tuc.gr SUMMARY:Παρουσίαση Μεταπτυχιακής Εργασίας κ. Σωτηρίου Λιλιόπουλου - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.tuc.gr/el/to-polytechnei o/ilektronikes-ypiresies/imerologio/ imerologio-ekdiloseon-1?tx_tucevents 2_tuceventsdisplay%5Baction%5D=show& tx_tucevents2_tuceventsdisplay%5Bcon troller%5D=Event&tx_tucevents2_tucev entsdisplay%5Bevent%5D=6643&cHash=0c e34bce8f51f40d52a5b8afe96deffe\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\ n Πρόγραμμα Μεταπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ\n Σωτηρίου Λιλιόπουλου\n με θέμα\n Πρό γνωση της Απόκρισης Καρκινοπαθών στη ν Εκάστοτε Χορηγούμενη Θεραπευτική Α γωγή με Τεχνικές μη-Γραμμικής Πρόβλε ψης\n Prediction of the Cancer Patie nts Response to their Therapeutical Treatment with non-Linear Forecastin g Techniques\n Εξεταστική Επιτροπή\n Καθηγητής Γεώργιος Σταυρακάκης (επι βλέπων)\n Καθηγητής Μιχαήλ Ζερβάκης\ n Καθηγητής Κωνσταντίνος Μπάλας\n Πε ρίληψη\n Ο καρκίνος είναι μια πολύπλ οκη ασθένεια που απαιτεί διεπιστημον ική προσέγγιση για την κατανόηση και τη θεραπεία της. Στην παρούσα εργασ ία, και με τη βοήθεια μαθηματικών μο ντέλων πραγματοποιείται μία προσπάθε ια για την κατανόηση και την πρόβλεψ η της ανάπτυξης συμπαγών καρκινικών όγκων υπό διαφορετικές θεραπευτικές προσεγγίσεις. Αρχικά, πραγματοποιείτ αι μια εισαγωγή στις βασικές έννοιες που διέπουν τη «δυναμική» της ανάπτ υξης-εξέλιξης του καρκίνου και μια δ ιεξοδική ανασκόπηση των πιο ευρέως χ ρησιμοποιούμενων θεραπευτικών μεθόδω ν. Διεξάγεται επίσης μια ολοκληρωμέν η ανασκόπηση των state-of-the-art μα θηματικών μοντέλων που χρησιμοποιούν ται για την περιγραφή ανάπτυξης όγκω ν υπό διαφορετικές μορφές θεραπείας, συμπεριλαμβανομένης της χημειοθεραπ είας, της ανοσοθεραπείας και του συν δυασμού τους. Επιπλέον, γίνεται μια σύντομη εισαγωγή στη θεωρία βέλτιστο υ ελέγχου ενώ παράλληλα τονίζεται η σημασία της στην ανάπτυξη και βελτισ τοποίηση των πρωτοκόλλων θεραπείας τ ου καρκίνου. Με τη βοήθεια ενός μη-γ ραμμικού μαθηματικού μοντέλου για τη ν περιγραφή της εξέλιξης καρκινικών όγκων διαμορφώνεται ένα πρόβλημα βέλ τιστου ελέγχου για τον προσδιορισμό μιας βέλτιστης στρατηγικής για τη χο ρήγηση χημειοθεραπείας με σκοπό την εξάλειψη της κακοήθειας με τις ελάχι στες παρενέργειες. Επιπλέον, αναπτύσ σονται τρία μοντέλα νευρο-ασαφούς λο γικής (ANFIS) για την περιγραφή της ανάπτυξης του καρκινικών όγκων υπό χ ημειοθεραπεία και αξιολογείται η ικα νότητα τους να περιγράφουν τις πειρα ματικές καμπύλες ανάπτυξης του όγκου . Παρουσιάζεται επίσης μια νέα προσέ γγιση για την περιγραφή της εξέλιξης ενός όγκου υπό την επίδραση ενός ή περισσότερων αντικαρκινικών φαρμάκων που δίνονται σε συνδυασμό. Συγκεκρι μένα, χρησιμοποιώντας γραμμικές εξισ ώσεις διαφορών δημιουργούνται και αξ ιολογούνται με τη χρήση εργαστηριακώ ν δεδομένων από πειράματα σε ποντίκι α δύο συστήματα μοντελοποίησης καρκι νικών όγκων. Παράλληλα, με τη χρήση ενός γραμμικού τετραγωνικού ρυθμιστή (LQR) διερευνώνται πιθανές βέλτιστε ς δοσολογίες χημειοθεραπείας τόσο γι α περιοδικά (periodic) όσο και για δ ιακοπτόμενα (intermittent) προγράμμα τα θεραπείας. Τέλος, αξιολογείται η ικανότητα όλων αυτών των μοντέλων να πραγματοποιούν βραχυπρόθεσμές προβλ έψεις της εξέλιξης μίας κακοήθους νε οπλασίας.\n Abstract\n Cancer is a c omplex disease that requires a multi disciplinary approach to understand and treat. In this thesis, mathemati cal tumor modelling is used to under stand and predict the growth of soli d tumors under different therapeutic approaches. First, an introduction to the key concepts underlying the d ynamics of cancer and a thorough rev iew of the most widely used treatmen t modalities is provided. A comprehe nsive review of state-of-the-art mat hematical models employed to depict both unperturbed and perturbed tumor growth under different therapeutic approaches including chemotherapy, i mmunotherapy, and their combination is also provided. Furthermore, an in troduction to optimal control theory is presented and its significance i n developing and optimizing cancer t herapy protocols is highlighted. The well established in the clinical pr actice Simeoni’s tumor growth inhibi tion (TGI) mathematical model is pre sented, described, identified, and a n optimal control problem is formula ted to determine the best chemothera py treatment strategy for tumor erad ication using the state dependent Ri ccati equation (SDRE). In addition, a brief introduction to Adaptive Neu ro-Fuzzy Inference System (ANFIS) is given, and three ANFIS models for t umor growth inhibition under chemoth erapy are presented and fitted with small errors to experimental tumor g rowth curves. A new approach to desc ribe the tumor growth inhibition und er the effect of single and in combi nation anti-cancer drugs is also int roduced. Two systems of linear diffe rence equations that model the growt h of solid tumors are identified and evaluated using laboratory data fro m experiments in mice. Moreover, lin ear quadratic regulator (LQR)-based optimal control of tumor dynamics is used to explore possible optimal ch emotherapy dosages for both periodic and intermittent treatment schedule s. Finally, the ability of the model s to perform short-term tumor growth predictions is also investigated. T he simulation results are presented, discussed, and conclusions are draw n.\n Meeting ID: 934 400 1013\n Pass word: 123456\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20231204T150000 DTEND:20231204T160000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR