Aprendizado Profundo para Reconstrução 3D do Problema Inverso na Tomografia de Impedância Elétrica

• Processo: 25/04329-4
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2030
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Marcos de Sales Guerra Tsuzuki
• Beneficiário: Jungeui Choi
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional Tomografia de impedância elétrica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Problema Inverso | tomografia de impedância elétrica | Tomografia por Impedância Elétrica

Resumo

O projeto propõe o uso de redes neurais profundas para a reconstrução tridimensional de imagens na Tomografia de Impedância Elétrica (TIE), buscando melhorar a qualidade e eficiência dos métodos tradicionais. A abordagem inclui a segmentação automática de imagens médicas, geração de malhas de condutividade e desenvolvimento de modelos generativos avançados. Para isso, serão exploradas diversas arquiteturas de aprendizado profundo, incluindo Representações Neurais Implícitas (INRs), Modelos de Difusão (DMs), Normalizing Flow (NF), Kolmogorov-Arnold Networks (KANs) e Transformers. O treinamento das redes será realizado a partir de imagens de tomografia computadorizada segmentadas e convertidas em malhas de elementos finitos, representando a condutividade do tórax. A validação dos modelos será feita por meio de análises quantitativas e qualitativas, comparando seu desempenho com abordagens tradicionais. O objetivo final é desenvolver uma solução robusta e generalizável, capaz de lidar com variações anatômicas e ruídos nos dados, contribuindo para a evolução da TIE como técnica de imagem médica. (AU)