Effet de l'atorvastatine et de l'amlodipine sur le remodelage vasculaire dans l'hypertension

Résumé Introduction L’amlodipine et l’atorvastatine offrent des avantages thérapeutiques au-delà de leur indication primaire, soit la réduction de la pression artérielle et des lipides sanguins, respectivement. L’amlodipine induit l’apoptose des cellules de muscle lisse vasculaire (CMLV) in vivo, contribuant à la régression de l'hypertrophie aortique chez le rat spontanément hypertendu (SHR). L'atorvastatine induit l’apoptose des CMLV in vitro, un effet proportionnel à la dose. Toutefois, cet effet reste à être démontré in vivo. Nous postulons que l’atorvastatine induira la régression de l’hypertrophie aortique via l’apoptose des CMLV chez le SHR, et que la combinaison de l’amlodipine et de l’atorvastatine aura un effet synergique sur la régression de l’hypertrophie aortique via l’apoptose des CMLV chez le SHR. Méthodologie L’amlodipine et l’atorvastatine ont été administrées à des SHR âgés de 11 semaines durant trois ou six semaines, individuellement ou en combinaison. Les points principaux à l'étude étaient le remodelage vasculaire et la pression artérielle. La fragmentation et le contenu en ADN, le stress oxydant, le taux de cholestérol et les niveaux de nitrates ont aussi été mesurés. Résultats Lorsque l’atorvastatine a été administrée seule, une diminution significative du stress oxydant et de la pression artérielle a été observée après trois et six semaines de traitement, respectivement. Par contre, aucune différence n’a pu être décelée quant au remodelage vasculaire. L'amlodipine a réduit la pression artérielle et l'hypertrophie aortique de façon dépendante de la dose. Une diminution significative de l'hyperplasie a été détectée après trois semaines de traitement avec la combinaison, et après six semaines avec une faible dose d'amlodipine. Conclusion Nos résultats ne supportent pas l'hypothèse que l'atorvastatine induit l'apoptose des CMLV in vivo. Par contre, lorsque combinée à l'amlodipine, elle pourrait ajouter un bénéfice supplémentaire au niveau de la réduction de l'hyperplasie aortique.

Vascular and morphological changes of the optic nerve head following therapeutic intraocular pressure reduction in open angle glaucoma and ocular hypertension

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

The process of anxiety reduction during the treatment of social phobia with an interpersonal approach : alone or combined with paroxetine

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Urban Detection From Hyperspectral Images Using Dimension-Reduction Model and Fusion of Multiple Segmentations Based on Stuctural and Textural Features

Ce mémoire de maîtrise présente une nouvelle approche non supervisée pour détecter et segmenter les régions urbaines dans les images hyperspectrales. La méthode proposée n ́ecessite trois étapes. Tout d’abord, afin de réduire le coût calculatoire de notre algorithme, une image couleur du contenu spectral est estimée. A cette fin, une étape de réduction de dimensionalité non-linéaire, basée sur deux critères complémentaires mais contradictoires de bonne visualisation; à savoir la précision et le contraste, est réalisée pour l’affichage couleur de chaque image hyperspectrale. Ensuite, pour discriminer les régions urbaines des régions non urbaines, la seconde étape consiste à extraire quelques caractéristiques discriminantes (et complémentaires) sur cette image hyperspectrale couleur. A cette fin, nous avons extrait une série de paramètres discriminants pour décrire les caractéristiques d’une zone urbaine, principalement composée d’objets manufacturés de formes simples g ́eométriques et régulières. Nous avons utilisé des caractéristiques texturales basées sur les niveaux de gris, la magnitude du gradient ou des paramètres issus de la matrice de co-occurrence combinés avec des caractéristiques structurelles basées sur l’orientation locale du gradient de l’image et la détection locale de segments de droites. Afin de réduire encore la complexité de calcul de notre approche et éviter le problème de la ”malédiction de la dimensionnalité” quand on décide de regrouper des données de dimensions élevées, nous avons décidé de classifier individuellement, dans la dernière étape, chaque caractéristique texturale ou structurelle avec une simple procédure de K-moyennes et ensuite de combiner ces segmentations grossières, obtenues à faible coût, avec un modèle efficace de fusion de cartes de segmentations. Les expérimentations données dans ce rapport montrent que cette stratégie est efficace visuellement et se compare favorablement aux autres méthodes de détection et segmentation de zones urbaines à partir d’images hyperspectrales.