Um método D-bar para estimar admitividade em 2-D através de tomografia por impedância elétrica.

• Autor(a) principal: Lara Herrera, Claudia Natalia
• Data de Publicação: 2012
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-16072013-120406/
• topic: Impedance method; Método de impedância; Tomografia; Tomographic

Propõe-se um novo método D-bar de Tomografia por Impedância Elétrica (TIE) para obter, simultaneamente, a condutividade e a permitividade de um domínio 2-D. O algoritmo direto baseia-se na prova de existência e unicidade do artigo de E. Francini [1]. A caracterização de tecidos biológicos é fortemente facilitada a partir do conhecimento de suas propriedades elétricas. Particularmente, nas aplicações médicas de TIE há grande interesse na permitividade, uma vez que, vários autores tem apresentado critérios para distinguir patologias baseados nesta propriedade, um exemplo constitui a determinação de presença ou ausência de sangue em líquidos acumulados no pulmão. Realizam-se testes com dados simulados numericamente e experimentais com o propósito de verificar e entender as propriedades, capacidades e limitações do algoritmo implementado. No caso dos testes numéricos, é desenvolvido um programa que resolve o problema direto da admitividade, o qual permite calcular conjuntos de dados de voltagem numéricos. São simulados dados aplicando padrões de corrente trigonométricos e por pares. As soluções exponencialmente crescentes do problema inverso são parte essencial do algoritmo e devem ser decompostas nas bases dos padrões de injeção de corrente. A compreensão da natureza destas decomposições para padrões de injeção trigonométricos e por pares, levou ao estabelecimento de especificações no projeto de um sistema de TIE para este algoritmo. Os resultados encorajadores numéricos e experimentais obtidos nas reconstruções de condutividade e permitividade, quanto à resolução espacial e às magnitudes, indicam que o algoritmo é promissor para uso clínico.