Made available in DSpace on 2016-06-02T19:05:28Z (GMT). No. of bitstreams: 1 1806.pdf: 6901662 bytes, checksum: 70bc550a919bc507664b3798c81e912c (MD5) Previous issue date: 2008-03-10 / Universidade Federal de Sao Carlos / Vibro-acoustography is an imaging modality that produces a map of the mechanical response of an object to a localized dynamic radiation force produced by an ultrasound field. This technique has been studied and used in clinical applications as to image calcification in breast tissue and arteries. This work aims to apply restoration algorithms to vibro-acoustography images. The point spread function (PSF) of the system is defined in terms of the acoustic emission of a point-target in response to a dynamic radiation stress of ultrasound. This PSF is used to form the image taking into account depth-of-field effects. The main problem found in the vibro-acoustography image formation is the high blur that this PSF causes to the acquired images, mainly in the depth direction (axial axis). To form the degraded image, digital phantoms were used, of breast for instance, simulating tissues with lesion-like inclusions. Moreover, Gaussian noise is added to the blurring model because of the characteristics of the images acquisition by the real vibro-acoustography system. Restoration filters are studied and applied to the images, and their results are compared visually and quantitatively; acceptable results are obtained. Problems found in the implementation of the restoration algorithms for this system are studied and possible solutions are discussed and applied to the final implementations. With the use of the algorithms high quality images were obtained if compared with the degraded versions, fact that justify the use of these methods in this kind of image. Moreover, the algorithms implemented in this work can be applied to imaging problems with similar characteristics. / A Vibro-acustografia é uma modalidade de imageamento que produz um mapa da resposta mecânica de um objeto a uma força localizada de radiação acústica dinâmica produzida por um campo de ultrassom. Esta técnica tem sido estudada e usada em aplicações clínicas como imageamento de calcificações em tecido de mamas e artérias. Este trabalho tem como objetivo a aplicação de algoritmos de restauração em imagens de vibro-acustografia. A função de espalhamento pontual (PSF) do sistema é definida em termos da emissão acústica de um alvo pontual em resposta a um stress de radiação dinâmica de ultrassom. Esta PSF é usada para formar a imagem levando em consideração efeitos de profundidade de campo. O principal problema encontrado na formação das imagens de vibro-acustografia é o alto borramento que esta PSF causa nas imagens adquiridas, principalmente em profundidade (eixo axial). Para formar a imagem degradada, foram usados phantoms digitais, de mama por exemplo, simulando tecidos com inclusões parecidas com lesões. Além disso, é adicionado ruído Gaussiano no modelo de borramento das imagens devido às características de aquisição das imagens pelo sistema real de vibro-acustografia. Filtros de restauração são estudados e aplicados às imagens, e seus resultados são comparados visualmente e quantitativamente; resultados aceitáveis são obtidos. Problemas encontrados na implementação dos algoritmos de restauração para este sistema são abordados e soluções possíveis são discutidas e aplicadas nas implementações finais. Com o uso dos algoritmos foram obtidas imagens de alta qualidade se comparadas com as versões degradadas, fato que justifica o emprego destes métodos neste tipo de imagem. Além disso, os algoritmos implementados por este trabalho poderão ser aplicados a problemas de imageamento com características similares.

[pt] As RNA Temporais, em função de sua estrutura, consideram o tempo na sua operação, incorporando memória de curto prazo distribuída na rede em todos os neurônios escondidos e em alguns dos casos nos neurônios de saída. Esta classe de redes é utilizada para representar melhor a natureza temporal dos sistemas dinâmicos. Em contraste, a RNA estática tem uma estrutura apropriada para tarefas de reconhecimento de padrões, classificação e outras de natureza estática ou estacionária tendo sido utilizada com sucesso em diversas aplicações. O objetivo desta tese, portanto foi estudar a teoria e avaliar o desempenho das Redes Neurais Temporais em comparação com as Redes Neurais Estáticas, em aplicações de sistemas dinâmicos. O desenvolvimento desta pesquisa envolveu 3 etapas principais: pesquisa bibliográfica das metodologias desenvolvidas para RNA Temporais; seleção e implementação de modelos para a avaliação destas redes; e estudo de casos. A pesquisa bibliográfica permitiu compila e classificar os principais trabalhos sobre RNA Temporais. Tipicamente, estas redes podem ser classificadas em dois grupos: Redes com Atraso no Tempo e Redes Recorrentes. Para a análise de desempenho, selecionou-se uma redee de cada grupo para implementação. Do primeiro grupo foi selecionada a Rede FIR, onde as sinapses são filtros FIR (Finite-duration Impulse Response) que representam a natureza temporal do problema. A rede FIR foi selecionada por englobar praticamente, todos os outros métodos de sua classe e apresentar um modelo matemático mais formal. Do segundo grupo, considerou-se a rede recorrente de Elman que apresenta realimentação global de cada um dos neurônios escondidos para todos eles. No estudo de casos testou-se o desempenho das redes selecionadas em duas linhas de aplicação: previsão de séries temporais e processamento digital de sinais. No caso de previsão de séries temporais, foram utilizadas séries de consumo de energia elétrica, comparando-se os resultados com os encontrados na literatura a partir de métodos de Holt-Winters, Box & Jenkins e RNA estáticas. No caso da aplicação das RNA em processamento digital de sinais, utilizou-se a filtragem de ruído em sinais de voz onde foram feitas comparações com os resultados apresentados pelo filtro neural convencional, que é uma rede feed-forward multicamada com o algoritmo de retropropagação para o aprendizado. Este trabalho demonstrou na prática que as RNA temporais conseguem capturar as características dos processos temporais de forma mais eficiente que as RNA Estatísticas e outros métodos tradicionais, podendo aprender diretamente o comportamento não estacionário das séries temporais. Os resultados demonstraram que a rede neural FIR e a rede Elman aprendem melhor a complexidade dos sinais de voz. / [en] This dissertation investigates the development of Artificial Neural Network (ANN) in the solution of problems where the patterns presented to the network have a temporary relationship to each other, such as time series forecast and voice processing. Temporary ANN considers the time in its operation, incorporating memory of short period distributed in the network in all the hidden neurons and in the output neurons in some cases. This class of network in better used to represent the temporary nature of the dynamic systems. In contrast, Static ANN has a structure adapted for tasks of pattern recognition, classification and another static or stationary problems, achieving great success in several applications. Considered an universal approximator, Static ANN has also been used in applications of dynamic systems, through some artifices in the input of the network and through statistical data pre- processings. The objective of this work is, therefore to study the theory and evaluate the performance of Temporal ANN, in comparison with Static ANN, in applications of dynamics systems. The development of this research involved 3 main stages: bibliographical research of the methodologies developed for Temporal ANN; selection and implementation of the models for the evaluation of these networks; and case studies. The bibliographical research allowed to compile and to classify the main on Temporal ANN, Typically, these network was selected, where the synapses are filters FIR (Finite-duration Impulse Response) that represent the temporary nature of the problem. The FIR network has been selected since it includes practically all other methods of its class, presenting a more formal mathematical model. On the second group, the Elman recurrent network was considered, that presents global feedback of each neuron in the hidden layer to all other neurons in this layer. In the case studies the network selected have been tested in two application: forecast of time series and digital signal processing. In the case of forecast, result of electric energy consumption time series prediction were compared with the result found in the literature such as Holt-Winters, Box & Jenkins and Static ANN methods. In the case of the application of processing where the comparisons were made with the results presented by the standard neural filter, made of a multilayer feed-forward network with the back propagation learning algorithm. This work showed in practice that Temporal ANN captures the characteristics of the temporary processes in a more efficient way that Static ANN and other methods, being able to learn the non stationary behavior of the temporary series directly. The results showed that the FIR neural network and de Elman network learned better the complexity of the voice signals.