Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-02-24T12:24:27Z
No. of bitstreams: 1
brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-02-24T15:33:28Z (GMT) No. of bitstreams: 1
brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5) / Made available in DSpace on 2017-02-24T15:33:28Z (GMT). No. of bitstreams: 1
brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5)
Previous issue date: 2013-02-25 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / Os modelos computacionais tornaram-se ferramentas valiosas para o estudo e compreensão
dos fenômenos da eletrofisiologia cardíaca. No entanto, a elevada complexidade dos
processos biofísicos e o nível microscópico de detalhes exigem complexos modelos
computacionais. Aspectos-chave da eletrofisiologia cardíaca, tais como condução lenta
e bloqueio de condução tem sido tema de pesquisa de muitos estudos, uma vez que estão
fortemente relacionados à arritmia cardíaca. No entanto, ao reproduzir estes fenômenos
os modelos necessitam de uma discretização sub-celular para a solução das equações
diferenciais e uma condutividade eléctrica do tecido não uniforme e heterogênea. Devido
aos elevados custos computacionais de simulações que reproduzem a microestrutura
fina do tecido cardíaco, estudos prévios têm considerado experimentos de tecido de
pequenas dimensões e têm utilizados modelos simples de células cardíacas. Neste trabalho,
desenvolvemos um modelo (modelo microscópico) da eletrofisiologia cardíaca que capta a
microestrutura do tecido cardíaco usando uma discretização espacial muito fina (8µm) e
utilizamos um modelo celular moderno e complexo baseado em Cadeias de Markov para
a caracterização da estrutura e dinâmica dos canais iônicos. Para lidar com os desafios
computacionais, o modelo foi paralelizado usando uma abordagem híbrida: a computação
em cluster e GPGPUs (General-purpose computing on Graphics Processing Units). Nossa
implementação paralela deste modelo, utilizando uma plataforma multi-GPU, foi capaz de
reduzir os tempos de execução das simulações de mais de 6 dias (em um único processador)
para 21 minutos (em um pequeno cluster de 8 nós equipado com 16 GPUs). Além disso,
para diminuir ainda mais o custo computacional, foi desenvolvido um modelo discreto
equivalente ao modelo microscópico. Este novo modelo foi paralelizado usando a mesma
abordagem do modelo microscópico e foi capaz de executar simulações que demoravam
21 minutos em apenas 65 segundos. Acreditamos que esta nova implementação paralela
abre caminho para a investigação de muitas questões em aberto associadas à natureza
complexa e discreta da propagação dos potenciais de ação no tecido cardíaco. / Computer models have become valuable tools for the study and comprehension of the
complex phenomena of cardiac electrophysiology. However, the high complexity of the
biophysical processes and the microscopic level of details demand complex mathematical
and computational models. Key aspects of cardiac electrophysiology, such as slow
conduction, conduction block and saltatory effects have been the research topic of many
studies since they are strongly related to cardiac arrhythmia. However, to reproduce these
phenomena the numerical models need to use sub-cellular discretization for the solution
of the PDEs and nonuniform, heterogeneous tissue electric conductivity. Due to the
high computational costs of simulations that reproduce the fine microstructure of cardiac
tissue, previous studies have considered tissue experiments of small or moderate sizes
and used simple cardiac cell models. In this work we develop a cardiac electrophysiology
model (microscopic model) that captures the microstructure of cardiac tissue by using
a very fine spatial discretization (8µm) and uses a very modern and complex cell model
based on Markov Chains for the characterization of ion channel's structure and dynamics.
To cope with the computational challenges, the model was parallelized using a hybrid
approach: cluster computing and GPGPUs (General-purpose computing on graphics
processing units). Our parallel implementation of this model using a Multi-GPU platform
was able to reduce the execution times of the simulations from more than 6 days (on a
single processor) to 21 minutes (on a small 8-node cluster equipped with 16 GPUs).
Furthermore, in order to decrease further the computational cost we have developed a
discrete model equivalent to the microscopic one. This new model was also parallelized
using the same approach as the microscopic model and was able to perform simulations
that took 21 minutes to be executed in just 65 seconds. We believe that this new parallel
implementation paves the way for the investigation of many open questions associated
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/3486 |
| Date | 25 February 2013 |
| Creators | Barros, Bruno Gouvêa de |
| Contributors | Santos, Rodrigo Weber dos, Munoz, Sérgio Alonso, Lobosco, Marcelo, Navaux, Philippe Olivier Alexandre, Leite, Saul de Castro |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Modelagem Computacional, UFJF, Brasil, ICE – Instituto de Ciências Exatas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds