Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica.
| Ano de defesa: | 2019 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://www.teses.usp.br/teses/disponiveis/3/3152/tde-08102021-094624/ |
Resumo: | A tomografia por impedância elétrica (TIE) é um método de imageamento não-invasivo com aplicações clínicas variadas, incluindo imageamento da função pulmonar. A técnica de TIE é considerada um problema inverso não linear e mal-posto. A imagem resultante representa a distribuição de impeditividade no domínio e pode ser estimada através de algoritmos de reconstrução iterativos (e.g. Gauss-Newton) e diretos (e.g. D-bar). Alguns algoritmos iterativos de reconstrução de TIE tem sua resolução espacial melhorada utilizando a teoria de problemas inversos estatísticos para introduzir informação anatômica e fisiológica a priori e para compensar erros de modelagem. O método D-bar usado para encontrar soluções de problemas inversos pode se beneficiar com a inclusão de priors estatísticos. Neste trabalho, dois métodos diferentes são propostos para introduzir informação estatística a priori no método D-bar. O primeiro método incorpora os priors estatísticos no algoritmo D-bar através do pré-condicionamento das medidas de tensão utilizando como base a teoria do erro de aproximação e técnicas Bayesianas. Baseado nas propriedades do complemento de Schur, o segundo método propõe o pós-processamento da imagem obtida pelo método D-bar pela maximização da função de densidade de probabilidade condicional de uma imagem que é consistente com a informação a priori, dada a imagem que foi estimada através das medidas. As imagens resultantes dos fantomas numéricos e experimentais mostram uma melhora na resolução espacial para ambos os métodos. |
| id |
USP_e892abe8c385e4375ceeb4eef7e93ac0 |
|---|---|
| oai_identifier_str |
oai:teses.usp.br:tde-08102021-094624 |
| network_acronym_str |
USP |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
| repository_id_str |
|
| spelling |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica.Development and use of anatomical and physiological prior information to estimate electrical impedance tomography images.Approximation error theoryBayesian inferenceComplemento de SchurD-bar methodElectrical impedance tomographyImpedância elétricaInferência bayesianaMétodo D-barSchur complementTeoria do erro de aproximaçãoTomografiaA tomografia por impedância elétrica (TIE) é um método de imageamento não-invasivo com aplicações clínicas variadas, incluindo imageamento da função pulmonar. A técnica de TIE é considerada um problema inverso não linear e mal-posto. A imagem resultante representa a distribuição de impeditividade no domínio e pode ser estimada através de algoritmos de reconstrução iterativos (e.g. Gauss-Newton) e diretos (e.g. D-bar). Alguns algoritmos iterativos de reconstrução de TIE tem sua resolução espacial melhorada utilizando a teoria de problemas inversos estatísticos para introduzir informação anatômica e fisiológica a priori e para compensar erros de modelagem. O método D-bar usado para encontrar soluções de problemas inversos pode se beneficiar com a inclusão de priors estatísticos. Neste trabalho, dois métodos diferentes são propostos para introduzir informação estatística a priori no método D-bar. O primeiro método incorpora os priors estatísticos no algoritmo D-bar através do pré-condicionamento das medidas de tensão utilizando como base a teoria do erro de aproximação e técnicas Bayesianas. Baseado nas propriedades do complemento de Schur, o segundo método propõe o pós-processamento da imagem obtida pelo método D-bar pela maximização da função de densidade de probabilidade condicional de uma imagem que é consistente com a informação a priori, dada a imagem que foi estimada através das medidas. As imagens resultantes dos fantomas numéricos e experimentais mostram uma melhora na resolução espacial para ambos os métodos.Electrical impedance tomography (EIT) is a non-invasive imaging technique with a variety of clinical applications, including pulmonary imaging. The EIT technique is considered a non-linear ill-posed inverse problem. The output image represents the impeditivity distribution of the domain and it can be estimated by iterative (e.g. Gauss-Newton) and direct (e.g. D-bar) reconstruction algorithms. Some iterative EIT reconstruction algorithms have their spatial resolution improved by using statistical inverse theory to introduce anatomical and physiological prior information and to compensate for modelling errors. The D-bar method used to solve the inverse problem may benefit by the inclusion of statistical priors in the algorithm. In this work, two different methods are proposed to introduce statistical prior information into the D-bar method. The first method incorporates the statistical priors in the D-bar algorithm by preconditioning the voltage measurements based on the approximation error theory and Bayesian techniques. Based on Schur complement properties, the second method proposes a post-processing of the image obtained by the D-bar method by maximizing the conditional probability density function of an image that is consistent with prior information, given a raw image that was computed from measurements. Images resulting from numerical and experimental phantoms show an improved spatial resolution by the use of both methodsBiblioteca Digitais de Teses e Dissertações da USPLima, Raúl GonzálezSantos, Talles Batista Rattis2019-12-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3152/tde-08102021-094624/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-10-18T17:21:02Zoai:teses.usp.br:tde-08102021-094624Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-10-18T17:21:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
| dc.title.none.fl_str_mv |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. Development and use of anatomical and physiological prior information to estimate electrical impedance tomography images. |
| title |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| spellingShingle |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. Santos, Talles Batista Rattis Approximation error theory Bayesian inference Complemento de Schur D-bar method Electrical impedance tomography Impedância elétrica Inferência bayesiana Método D-bar Schur complement Teoria do erro de aproximação Tomografia |
| title_short |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| title_full |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| title_fullStr |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| title_full_unstemmed |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| title_sort |
Desenvolvimento e aplicação de informações anatômicas e fisiológicas a priori para obtenção de imagens de tomografia por impedância elétrica. |
| author |
Santos, Talles Batista Rattis |
| author_facet |
Santos, Talles Batista Rattis |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Lima, Raúl González |
| dc.contributor.author.fl_str_mv |
Santos, Talles Batista Rattis |
| dc.subject.por.fl_str_mv |
Approximation error theory Bayesian inference Complemento de Schur D-bar method Electrical impedance tomography Impedância elétrica Inferência bayesiana Método D-bar Schur complement Teoria do erro de aproximação Tomografia |
| topic |
Approximation error theory Bayesian inference Complemento de Schur D-bar method Electrical impedance tomography Impedância elétrica Inferência bayesiana Método D-bar Schur complement Teoria do erro de aproximação Tomografia |
| description |
A tomografia por impedância elétrica (TIE) é um método de imageamento não-invasivo com aplicações clínicas variadas, incluindo imageamento da função pulmonar. A técnica de TIE é considerada um problema inverso não linear e mal-posto. A imagem resultante representa a distribuição de impeditividade no domínio e pode ser estimada através de algoritmos de reconstrução iterativos (e.g. Gauss-Newton) e diretos (e.g. D-bar). Alguns algoritmos iterativos de reconstrução de TIE tem sua resolução espacial melhorada utilizando a teoria de problemas inversos estatísticos para introduzir informação anatômica e fisiológica a priori e para compensar erros de modelagem. O método D-bar usado para encontrar soluções de problemas inversos pode se beneficiar com a inclusão de priors estatísticos. Neste trabalho, dois métodos diferentes são propostos para introduzir informação estatística a priori no método D-bar. O primeiro método incorpora os priors estatísticos no algoritmo D-bar através do pré-condicionamento das medidas de tensão utilizando como base a teoria do erro de aproximação e técnicas Bayesianas. Baseado nas propriedades do complemento de Schur, o segundo método propõe o pós-processamento da imagem obtida pelo método D-bar pela maximização da função de densidade de probabilidade condicional de uma imagem que é consistente com a informação a priori, dada a imagem que foi estimada através das medidas. As imagens resultantes dos fantomas numéricos e experimentais mostram uma melhora na resolução espacial para ambos os métodos. |
| publishDate |
2019 |
| dc.date.none.fl_str_mv |
2019-12-13 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/3/3152/tde-08102021-094624/ |
| url |
https://www.teses.usp.br/teses/disponiveis/3/3152/tde-08102021-094624/ |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
|
| dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
|
| dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
| instname_str |
Universidade de São Paulo (USP) |
| instacron_str |
USP |
| institution |
USP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
| collection |
Biblioteca Digital de Teses e Dissertações da USP |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
| repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
| _version_ |
1815257985853685760 |