Iniciação científica sobre Tomografia por Impedância Eletrica
A tomografia por impedância elétrica (TIE) é uma técnica para geração de imagens de baixo custo e não invasiva, tornando-a ideal para situações emergenciais e uso de populações vulneráveis, cujo princípio básico é utilizar valores de potencial medidos nas bordas de um domínio para mapear a distribuição de condutividade no campo interno. Depois de muitos anos de avanço, a TIE já foi aplicada em muitas áreas, como geração de imagem do desenvolvimento de AVC isquêmico ou hemorragia, detecção de câncer de mama e visualização de pulmão. Entretanto, vale apontar o fato de que a TIE apresenta uma resolução inferior a outros tipos de tomógrafos (como a tomografia computadorizada e a ressonância magnética) e tem dificuldades em relação à clareza de imagem, devido à sua suscetibilidade a interferências por ruídos, que surgem devido ao mal posicionamento dos eletrodos e por ocasionais distúrbios durante a medição, muitas vezes consequentes de movimentos humanos.
A lógica de funcionamento da TIE se resume em aplicar padrões de corrente e executar a medição de potencial elétrico em eletrodos fixados a um cinto, que, por sua vez, é posicionado ao redor de um corpo ou objeto (marcando assim suas bordas), para que, em seguida, uma vez com as medidas, a imagem interna seja reconstruída. Nesse último passo, evidencia-se o “problema inverso”, nome dado ao processo de: com os padrões de corrente e medidas de potenciais elétricos, deve-se encontrar a distribuição de condutividade elétrica associada ao meio.
Neste contexto, surge a proposta de utilizar redes neurais de deep learning para a resolução do “problema inverso”. Nos últimos anos, técnicas de aprendizado profundo têm alcançado sucesso notável em diversas áreas, incluindo processamento de imagens e linguagem natural. Entre essas técnicas, os Diffusion Models emergiram como uma ferramenta poderosa para capturar padrões e relações complexas dentro dos dados. Originalmente desenvolvidos no contexto de modelos gerativos, os Diffusion Models foram aplicados na área de modelos probabilísticos, conhecidos como modelos de difusão. Esses modelos são utilizados principalmente para resolver problemas de geração de amostras em larga escala e altamente hierárquicos, através da modelagem de processos de difusão reversa. Com isso, o projeto de iniciação científica busca investigar o potencial dos Diffusion Models para a resolução de problemas de TIE.
