Otimização da orientação de mini-implante para minimizar a possibilidade de falha devido à perda óssea : um procedimento usando algoritmo genético e análise de elementos finitos

• Main Author: Araldi, Jonatas Comparin
• Publication Date: 2018
• Format: Master thesis
• Language: por
• Source: Repositório Institucional da UCS
• Download full: https://repositorio.ucs.br/11338/4209
• topic: Ossos faciais - Efeito de implantes; Método dos elementos finitos; Algoritmos genéticos; Facial bones - Effect of implants on; Finite element method; Genetic algorithms

A partir da necessidade de substituição, ou reparo, de estruturas ósseas humanas, a utilização de mini-implantes tem se tornado uma prática cada vez mais usual nos seres humanos. Mesmo com o desenvolvimento e pesquisa de métodos e materiais mais avançados tecnologicamente, alguns procedimentos ainda se tornam de difícil aplicação. A análise realizada no próprio paciente acaba se tornando inviável e invasiva. Este trabalho apresentou uma metodologia para criação de modelos computacionais tridimensionais de estruturas ósseas a partir de tomografias computadorizadas. Foram realizados estudos de distribuição de tensão de von-Mises em um modelo global de uma mandíbula visando identificar as regiões submetidas a estresse. Posteriormente, a metodologia foi implementada utilizando o método de algoritmos genéticos para encontrar a melhor orientação de mini-implantes mandibulares osseointegrados, objetivando a minimização do valor médio da deformação no osso, recorrente de níveis elevados de tensões. Com o algoritmo de otimização foi possível encontrar ângulos de inserção ótimos do mini-implante em um modelo computacional gerado por meio de tomografias computacionais diminuindo o risco de falha do mini-implante por perda óssea. Por fim, um comparativo entre o método de algoritmo genético e o método de programação sequencial quadrática foi realizado, visando demonstrar a efetiva do algoritmo genético. O método de algoritmo genético apresentou baixa eficiência em relação ao método de programação sequencial quadrática por conta do custo computacional utilizado para a implementação da rotina, porém quando comparado as eficácias de cada método, o método de algoritmo genético apresentou um melhor valor de função objetivo, mostrando uma eficácia de 42%, maior.