Szerző dc.contributor.author | Rahmani Amir Masoud | |
Szerző dc.contributor.author | Ali Saqib | |
Szerző dc.contributor.author | Malik Mazhar Hussain | |
Szerző dc.contributor.author | Yousefpoor Efat | |
Szerző dc.contributor.author | Yousefpoor Mohammad Sadegh | |
Szerző dc.contributor.author | Mosavi Amir | |
Szerző dc.contributor.author | khan Faheem | |
Szerző dc.contributor.author | Hosseinzadeh Mehdi | |
Elérhetőség dátuma dc.date.accessioned | 2023-02-16T11:05:31Z | |
Rendelkezésre állás dátuma dc.date.available | 2023-02-16T11:05:31Z | |
Kiadás dc.date.issued | 2022 | |
Issn dc.identifier.issn | 2045-2322 | |
Uri dc.identifier.uri | http://hdl.handle.net/20.500.12944/19956 | |
Kivonat dc.description.abstract | Accurate simulation of tumor growth during chemotherapy has significant potential to alleviate the risk of unknown side effects and optimize clinical trials. In this study, a 3D simulation model encompassing angiogenesis and tumor growth was developed to identify the vascular endothelial growth factor (VEGF) concentration and visualize the formation of a microvascular network. Accordingly, three anti-angiogenic drugs (Bevacizumab, Ranibizumab, and Brolucizumab) at different concentrations were evaluated in terms of their efficacy. Moreover, comprehensive mechanisms of tumor cell proliferation and endothelial cell angiogenesis are proposed to provide accurate predictions for optimizing drug treatments. The evaluation of simulation output data can extract additional features such as tumor volume, tumor cell number, and the length of new vessels using machine learning (ML) techniques. These were investigated to examine the different stages of tumor growth and the efficacy of different drugs. The results indicate that brolucizuman has the best efficacy by decreasing the length of sprouting new vessels by up to 16%. The optimal concentration was obtained at 10 mol m?3 with an effectiveness percentage of 42% at 20 days post-treatment. Furthermore, by performing comparative analysis, the best ML method (matching the performance of the reference simulations) was identified as reinforcement learning with a 3.3% mean absolute error (MAE) and an average accuracy of 94.3%. | |
Nyelv dc.language | en | |
Kulcsszó dc.subject | pipeline | |
Kulcsszó dc.subject | Internet of Things | |
Kulcsszó dc.subject | wireless sensor network | |
Kulcsszó dc.subject | corrosionlearning-based aera coverage | |
Cím dc.title | An energy-aware and Q-learning-based area coverage for oil pipeline monitoring systems using sensors and Internet of Things | |
Típus dc.type | folyóiratcikk | |
Változtatás dátuma dc.date.updated | 2023-02-14T13:45:16Z | |
Változat dc.description.version | kiadói | |
Hozzáférés dc.rights.accessRights | nyílt hozzáférésű | |
dc.description.notes | „A publikáció a Nemzeti Közszolgálati Egyetem 2020. évi Tématerületi Kiválóság Program keretében, a Fenntartható biztonság és társadalmi környezet elnevezésű projekt támogatásával valósult meg, az Innovációs és Technológiai Minisztérium Nemzeti Kutatási, Fejlesztési és Innovációs Alapból nyújtott támogatásával, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal által kibocsátott támogatói okirat alapján.” Pályázat sorszáma: NKFIH-1273-6/2020 Támogató: NKFIH | |
Doi azonosító dc.identifier.doi | 10.1038/s41598-022-12181-w | |
Tudományág dc.subject.discipline | Műszaki tudományok | |
Tudományterület dc.subject.sciencebranch | Bio-, környezet és vegyészmérnöki tudományok | |
Mtmt azonosító dc.identifier.mtmt | 32871807 | |
Folyóirat dc.identifier.journalTitle | Scientific Reports | |
Évfolyam dc.identifier.journalVolume | 12 | |
Füzetszám dc.identifier.journalIssueNumber | 1 | |
Terjedelem dc.format.page | 17.jan | |
Wos azonosító dc.identifier.wos | 000809441100004 | |
Scopus azonosító dc.identifier.scopus | 85131802089 | |
Folyóiratcím rövidítve dc.identifier.journalAbbreviatedTitle | SCI REP | |
Kiadás éve dc.description.issuedate | 2022 | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Informatikai Tudományok Doktori Iskola | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Biztonságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Felsőbbfokú Tanulmányok Intézete |