Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/116663
Title: Deep Learning for Spatial Graph Optimization: Applications in Vascular Networks
Other Titles: Aprendizagem Profunda para a Optimização de Grafos Espaciais: Aplicações em Redes Vascular
Authors: Simões, João Miguel Moreira de Carvalho Brás
Orientador: Costa, Ernesto Jorge Fernandes
Travasso, Rui Davide Martins
Baptista, Tiago Rodrigues
Keywords: Network Optimisation; Reinforcement Learning; Generative models; Vascular Growth; Angiogenesis in Adipose Tissue; Optimização de Redes; Aprendizagem por Reforço; Modelos Generativos; Crescimento Vascular; Angiogénese no Tecido Adiposo
Issue Date: 29-Jul-2024
Project: info:eu-repo/grantAgreement/FCT/FARH/SFRH/BD/122607/2016/PT 
metadata.degois.publication.title: Deep Learning for Spatial Graph Optimization: Applications in Vascular Networks
metadata.degois.publication.location: Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de Coimbra
Abstract: Spatial graphs play a crucial role across various domains, including biological networks, urban planning, and technological infrastructures, by representing complex relationships in a geometric context. This thesis explores the application of deep learning techniques for optimising spatial graphs, with a particular focus on generating and optimising vascular networks. We introduce two deep learning models to address the complex inherent properties of spatial graph, either in their generation and optimisation. Through a multidisciplinary approach that includes biology and artificial intelligence, we address the challenge of modeling vascular networks, a critical component of biological systems with direct implications for health and disease. We contribute with the development of a reinforcement learning model for spatial graph optimisation, showcasing its efficacy in generating vascular networks that optimise tissue irrigation. Additionally, we propose a generative deep learning model capable of building vascular networks from existing real datasets, highlighting the potential of data-driven approaches in this biological domain. We also present a novel multi-agent model for the simulation of vascular network growth, exploring the complex dynamics of angiogenesis - the growth of new blood vessels from existing ones - in the context of the adipose tissue. The proposed work not only advances the state of the art in graph generation and optimization but also serves as a groundwork for future applications in biology and medicine.
Os grafos espaciais desempenham um papel crucial em diversos domínios, incluindo redes biológicas, planeamento urbano e infraestruturas tecnológicas. Através destas estruturas é possível representar relações complexas num contexto geométrico. Esta tese explora a aplicação de técnicas de aprendizagem profunda para a otimização de grafos espaciais, com um foco particular na geração e otimização de redes vasculares. São apresentados dois modelos de aprendizagem profunda para abordar as propriedades complexas inerentes aos grafos espaciais, tanto na sua geração como na otimização. Através de uma abordagem multidisciplinar que inclui biologia e inteligência artificial, enfrentamos o desafio de modelar redes vasculares, um componente crítico dos sistemas biológicos, com implicações diretas para a saúde e associado a diversas doenças. Contribuímos assim com o desenvolvimento de um modelo de aprendizagem por reforço para a otimização de grafos espaciais, demonstrando a sua eficácia na geração de redes vasculares que otimizam a irrigação de um tecido. Propomos ainda um modelo generativo baseado em aprendizagem profunda capaz de construir redes vasculares a partir de redes vasculares existentes, destacando o potencial das abordagens baseadas em dados neste domínio biológico. É ainda apresentado um novo modelo multi-agente para a simulação do crescimento de redes vasculares, explorando as dinâmicas complexas do processo de angiogénese - crescimento de novos vasos sanguíneos a partir de vasos existentes - no contexto do tecido adiposo. O trabalho proposto não só avança o estado da arte na geração e otimização de grafos, mas também serve como base para futuras aplicações nas áreas da biologia e medicina.
Description: Tese de Doutoramento em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: https://hdl.handle.net/10316/116663
Rights: openAccess
Appears in Collections:UC - Teses de Doutoramento

Files in This Item:
File SizeFormat
PhD JoaoBrazSimoes (2).pdf38.23 MBAdobe PDFView/Open
Show full item record

Page view(s)

27
checked on Nov 5, 2024

Download(s)

9
checked on Nov 5, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons