Aplicação de aprendizado supervisionado para a reconstrução de imagens por tomografia por impedância elétrica

• Processo: 18/10549-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2019
• Data de Término da vigência: 29 de fevereiro de 2020
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Marcos de Sales Guerra Tsuzuki
• Beneficiário: Rodrigo Heira Akamine
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional Reconstrução de imagens Tomografia de impedância elétrica Potencial elétrico
• Palavra(s)-Chave do Pesquisador: Aprendizado Supervisionado | tomografia por impedância elétrica | Tomografia por Impedância Elétrica

Resumo

A partir de informações sobre potencial elétrico no perímetro da seção transversal de um objeto (coletadas por amostragem em ambiente simulado), um sistema de Tomografia por Impedância Elétrica (TIE) deve ser capaz de estimar uma distribuição de impedâncias no interior desta seção, de forma não-invasiva. Dada uma distribuição de impedâncias, o potencial elétrico no perímetro pode ser calculado por métodos numéricos utilizando o método dos elementos finitos (MEF), definindo uma função f tal que phi = f(sigma) que tem como entrada um mapa de impedâncias sigma e retorna o potencial elétrico do seu perímetro. Também é conhecido que existe resultado teórico garantindo que, dada uma distribuição de potencial elétrico no perímetro de um objeto, existe uma única distribuição interior de impedância (supondo campo isotrópico). Abre-se a possibilidade para estimar uma função g, inversa de f: sigma = g(phi) que é capaz de estimar o mapa de impedâncias a partir de uma distribuição de potencial elétrico no perímetro. Propõe-se uma abordagem baseada em técnicas de aprendizado de máquina (Autoencoders e Aprendizado Supervisionado). A metodologia proposta pode ser dividida em 3 fases distintas: Geração de mapas de impedância; Cálculo de potenciais elétricos nos perímetros; e Construção da função inversa g.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BIANCHESSI, ANDRE; AKAMINE, RODRIGO H.; DURAN, GUILHERME C.; TANABI, NASER; SATO, ANDRE K.; MARTINS, THIAGO C.; TSUZUKI, MARCOS S. G.. Electrical Impedance Tomography Image Reconstruction Based on Neural Networks. IFAC PAPERSONLINE, v. 53, n. 2, p. 6-pg., 2020-01-01. (18/10549-3, 17/07799-5)