Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-03-29T18:39:03Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Allan.pdf: 9306708 bytes, checksum: ff20e727c0e268faed60dc2c7e9f5a7c (MD5) / Made available in DSpace on 2016-03-29T18:39:03Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Allan.pdf: 9306708 bytes, checksum: ff20e727c0e268faed60dc2c7e9f5a7c (MD5) Previous issue date: 2015-02-27 / FACEPE / A Tomografia por Impedância Elétrica (TIE) é uma técnica que visa reconstruir imagens do interior de um corpo de forma não invasiva. Esta reconstrução é feita com base nas propriedades elétricas de condutividade do interior deste corpo. Com base na aplicação e medida dos potenciais da borda do corpo, feita através de eletrodos, um algoritmo de reconstrução de imagens gera a imagem do interior deste corpo. Diversos métodos são aplicados para gerar imagens de TIE, porém ainda são geradas imagens de contorno suave. Isto acontece por causa da natureza matemática do problema de reconstrução da TIE como um problema mal posto e mal condicionado. Isto significa que não existe uma distribuição de condutividade interna exata para uma determinada distribuição de potenciais de borda. A TIE é governada matematicamente pela equação de Poisson e a geração da imagem envolve a resolução de um problema direto, que trata da obtenção dos potenciais de borda a partir de uma distribuição interna de condutividade. O problema direto, neste trabalho, foi aplicado através do método dos elementos finitos. Desta forma é possível aplicar técnicas de busca e otimização que objetivam minimizar a distância euclidiana entre os potenciais de borda mensurados no corpo e os potencias gerados pela resolução do problema direto de um candidato à solução. Devido ao fato deste trabalho ser baseado em simulações, os potenciais de borda buscados foram gerados através da simulação de objetos localizados no centro, borda e entre o centro e a borda e seus respectivos potenciais de borda. Desta forma o objetivo deste trabalho foi construir uma ferramenta computacional baseada em algoritmos de busca e otimização, desde os bioinspirados até os evolucionários, com destaque para o método dialético de otimização, para fazer reconstrução de imagens de Tomografia por impedância elétrica. Para efeitos de comparação também foram utilizados para gerar imagens: Algoritmos Genéticos, Evolução Diferencial e Otimização por Enxame de Partículas. As simulações foram feitas no EIDORS, uma ferramenta MatLab e GNUOctave de código aberto voltada para a comunidade de TIE. Os experimentos foram feitos utilizando três diferentes configurações de objetos de estudo (fantomas). As análises foram feitas de três formas, sendo elas, qualitativa: na forma de o quão as imagens geradas são parecidas com seu respectivo fantoma; quantitativa: com base na evolução do erro relativo calculado pela função objetivo do melhor candidato à solução ao longo das interações; e, ainda, de custo computacional, através da avaliação da evolução do erro relativo ao longo da quantidade de cálculos da função objetivo pelo algoritmo. Foram gerados resultados para Algoritmos Genéticos com busca guiada, cinco versões de Evolução diferencial e duas versões de Otimização por enxame de Partículas. De acordo com os resultados obtidos Método Dialético Objetivo mostrou ter a capacidade de encontrar um valor de erro menor em menos iterações do que as outras técnicas propostas além de ser mais rápido devido ao fato de a quantidade de polos ir diminuindo de acordo com as fases históricas, exigindo menos esforço computacional por iteração. Os resultados desta pesquisa geraram diversas contribuições na forma de artigos publicados em eventos nacionais e internacionais. / The Electrical Impedance Tomography is a technique that aims to reconstruct images of the inside of a body non-invasively. This reconstruction is based on the electrical properties inside the conductivity of this domain. Based on measurements of the potential edge made through electrodes, an image reconstruction algorithm generates the domain inside the image. Several methods are applied to generate TIE images, but are still generated smooth contour images. This happens because of the mathematical nature of TIE reconstruction problem as an ill-posed and ill-conditioned problem. This means that there is no exact solution to a certain internal conductivity distribution. The TIE is mathematically governed by the Poisson equation and the image generation involves solving a direct problem, which deals with obtaining the edge of potential from an internal distribution of known conductivity. This achievement was made in this study through the finite element method. This way you can apply search and optimization techniques that aim to minimize the Euclidean distance between the edge of potential measured in the body and the potential generated by the resolution of the direct problem of a solution to the candidate. Because this work is based on simulations, the potential of border searches were made by simulating objects located in the center, edge and between the center and the edge and their potential edge respective. Therefore, the objective of this work was to build a computational tool based on search and optimization algorithms, since the bioinspired to the evolutionary, especially the dialectical method optimization, to make reconstruction tomography images by electrical impedance. For comparison, were also used to generate these images: Genetic Algorithms, Differential Evolution and optimization by particle swarm. The simulations were made in EIDORS a MatLab and GNUOctave tool open source toward the TIE community. The experiments were performed using three different configurations of objects of study (phantoms). The analyzes were done in a qualitative way: in the form of how the generated images are similar to their respective phantom; quantitative: based on the evolution of the relative error calculated by the objective function of the best candidate to the solution over the interactions; and also computational cost, by assessing the evolution of the relative error over the amount of computation of the objective function by the algorithm. Results were generated for Genetic Algorithms with guided search, five versions of differential evolution and two versions of Particle Swarm Optimization. According to the results obtained dialectic method showed order to be able to find a smallest error value in fewer iterations than other proposed techniques besides being faster due to the fact that the number of poles tendency to decrease in accordance with the historical phases , requiring less computational effort per iteration. The results of this research have generated several contributions in the form of articles published in national and international events.