MARC

 008260126s2025        us                              c    eng  d
■001000017360263
■00520260202105330
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263325466
■035    ▼a(MiAaPQ)AAI32307944
■035    ▼a(MiAaPQ)GeorgiaTech78711
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aJacobs,  Edward  James,  IV.
■24510▼aAdvancing  Pulsed  Field  Ablation:  Tissue-Level  Electroporation  Dynamics  and  AI-Driven  Personalization  of  Oncologic  and  Cardiac  Electroporation
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a418  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Davalos,  Rafael  Vidal.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aFocal  ablation  techniques  are  integral  in  the  surgical  intervention  of  diseased  tissue,  where  it  is  necessary  to  minimize  damage  to  the  surrounding  parenchyma  and  critical  structures.  Irreversible  electroporation  (IRE)  utilizes  high-amplitude,  low-energy  pulsed  electric  fields  (PEFs)  to  nonthermally  ablate  soft  tissue.  PEFs  induce  cell  death  through  permeabilization  of  the  cellular  membrane,  leading  to  loss  of  homeostasis.  The  unique  nonthermal  nature  of  IRE  allows  for  selective  cell  death  while  minimally  affecting  surrounding  proteinaceous  structures,  permitting  treatment  near  sensitive  anatomy  where  thermal  ablation  or  surgical  resection  is  contraindicated.  Despite  promising  outcomes,  challenges  such  as  optimizing  PEF  delivery  and  addressing  variations  in  tissue  response  require  further  investigation.  We  hypothesize  that  through  the  integration  of  advanced  modeling  of  electroporationdependent  tissue  properties  for  patient-specific  treatment  prediction  and  monitoring,  IRE  can  achieve  enhanced  precision,  safety,  and  therapeutic  efficacy  in  oncologic  and  cardiac  treatments.  Here,  we  utilized  in  vitro  tissue-mimicking  hydrogels,  ex  vivo  tissue,  and  in  vivo  small  and  large  animal  models  to  evaluate  the  biophysical  mechanisms  of  PEFs,  focusing  on  the  interplay  between  electroporation  and  dynamic  tissue  conductivity  changes.  The  research  improves  the  precision  and  effectiveness  of  IRE  using  burst-dependent  conductivity  models  and  determining  electroporation  saturation  during  treatment.  Following,  we  evaluated  how  treatment  parameters  affect  tissue-level  electroporation  effects.  To  support  in-situ  applications,  machine  learning  models  were  developed  to  rapidly  characterize  tissue-specific  responses  needed  for  patient  treatment  planning  and  monitoring.  Further  innovations  address  spatiotemporal  temperature  monitoring  during  IRE  using  multi-electrode  configurations,  ensuring  safe  treatment  delivery.  The  dissertation  also  contributes  to  tissue  engineering  by  developing  nanofiber-based  platforms  to  quantify  anisotropic  effects,  enhance  cell  viability,  optimize  gene  therapy  delivery  post-electroporation,  and  model  basement  membrane  anatomy.  The  results  highlight  the  versatility  and  effectiveness  of  electroporation,  demonstrating  significant  clinical  advantages  over  traditional  thermal  ablation  techniques.  By  integrating  computational  tools,  experimental  models,  and  interdisciplinary  approaches,  this  work  establishes  a  robust  foundation  for  patient-specific  application  of  IRE.
■590    ▼aSchool  code:  0078.
■650  4▼aData  processing
■650  4▼aCollagen
■650  4▼aLiver
■650  4▼aConductivity
■650  4▼aElectric  fields
■650  4▼aCell  culture
■650  4▼aNeural  networks
■650  4▼aCellular  biology
■650  4▼aElectromagnetics
■690    ▼a0800
■690    ▼a0379
■690    ▼a0607
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360263▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books