Reconstrução de imagens de tomografia por impedância elétrica usando máquinas de aprendizado extremo e algoritmos de retroprojeção

Abstract

A Tomografia por Impedância Elétrica (TIE) é uma técnica de imageamento baseada na aplicação de uma corrente elétrica alternada em eletrodos posicionados na superfície do domínio, também responsáveis pela medição do potencial elétrico resultante. As principais vantagens da TIE são a portabilidade, o baixo custo associado e a não utilização da radiação ionizante. A reconstrução de suas imagens depende da resolução dos problemas direto e inverso, sendo o último um problema não linear e mal-posto. Por isso, diversos métodos de reconstrução têm sido desenvolvidos. Neste trabalho é proposta uma nova abordagem: o uso de Redes Artificiais Neurais de pesos aleatórios, especialmente Máquinas de aprendizado extremo (ELM), para aproximar sinogramas a partir de dados de potenciais elétricos e, assim, utilizar o algoritmo clássico de Retroprojeção para reconstrução da imagem. O banco de imagens sintéticas de TIE e suas reconstruções foram implementados em ambiente de GNU/Octave e as ELMs foram treinadas com 4000 imagens. De forma qualitativa, as imagens reconstruídas com as ELMs foram comparadas com as imagens originais e com as reconstruções a partir da direta aplicação do algoritmo de Retroprojeção, apresentando alta similaridade neste último caso. Os resultados também foram analisados quantitativamente com o Índice de Similaridade Estrutural e com a Relação Sinal-Ruído de pico, comprovando a consistência dos resultados.