Aplicação de aprendizado supervisionado para a reconstrução de imagens por 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.