• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tesis Doctoral
DOI
https://doi.org/10.11606/T.3.2013.tde-01082013-154423
Documento
Autor
Nombre completo
Fernando Silva de Moura
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2013
Director
Tribunal
González Lima, Raúl (Presidente)
Amato, Marcelo Britto Passos
Kaipio, Jari
Orlande, Helcio Rangel Barreto
Ragazzo, Clodoaldo Grotta
Título en portugués
Estimação não linear de estado através do unscented Kalman filter na tomografia por impedância elétrica.
Palabras clave en portugués
Estimação não linear de estado
Informação a priori
Modelo de evolução
Tomografia por impedância elétrica
Unscented Kalman filter
Resumen en portugués
A Tomografia por Impedância Elétrica tem como objetivo estimar a distribuição de impedância elétrica dentro de uma região a partir de medidas de potencial elétrico coletadas apenas em seu contorno externo quando corrente elétrica é imposta neste mesmo contorno. Uma das aplicações para esta tecnologia é o monitoramento das condições pulmonares de pacientes em Unidades de Tratamento Intensivo. Dentre vários algoritmos, destacam-se os filtros de Kalman que abordam o problema de estimação sob o ponto de vista probabilístico, procurando encontrar a distribuição de probabilidade do estado condicionada à realização das medidas. Para que estes filtros possam ser utilizados, um modelo de evolução temporal do sistema sendo observado deve ser adotado. Esta tese propõe o uso de um modelo de evolução para a variação de volume de ar nos pulmões durante a respiração de um paciente sob ventilação artificial. Este modelo é utilizado no unscented Kalman filter, uma extensão não linear do filtro de Kalman. Tal modelo é ajustado em paralelo à estimação do estado, utilizando um esquema dual de estimação. Um algoritmo de segmentação de imagem é proposto para identificar as regiões pulmonares nas imagens estimadas e assim utilizar o modelo de evolução. Com o intuito de melhorar as estimativas, o método do erro de aproximação é utilizado no modelo de observação para mitigar os erros de modelagem e informação a priori é adicionada na solução do problema inverso mal-posto. O método é avaliado através de simulações numéricas e ensaio experimental coletado em um voluntário. Os resultados mostram que o método proposto melhora as estimativas feitas pelo filtro de Kalman, propiciando a visualização de imagens absolutas, dinâmicas e com bom nível de contraste entre os tecidos e órgãos internos.
Título en inglés
Nonlinear state estimation using the Unscented Kalman filter in electrical impedance tomography.
Palabras clave en inglés
Electrical impedance tomography
Evolution model
Nonlinear state estimation
Prior information
Unscented Kalman filter
Resumen en inglés
Electrical impedance tomography estimates the electrical impedance distribution within a region given a set of electrical potential measurements acquired along its boundary at the same time that electrical currents are imposed on the same boundary. One of the applications of this technology is lung monitoring of patients in Intensive Care Units. One class of algorithms employed for the estimation are the Kalman filters which deal with the estimation problem in a probabilistic framework, looking for the probability density function of the state conditioned to the acquired measurements. In order to use such filters, an evolution models of the system must be employed. This thesis proposes an evolution model of the variation of air in the lungs of patients under artificial ventilation. This model is used on the Unscented Kalman Filter, a nonlinear extension of the Kalman filter. This model is adjusted in parallel to the state estimation, in a dual estimation scheme. An image segmentation algorithm is proposed for identifying the lungs in the images. In order to improve the estimate, the approximation error method is employed for mitigating the observation model errors and prior information is added for the solution of the ill-posed inverse problem. The method is evaluated with numerical simulations and with experimental data of a volunteer. The results show that the proposed method increases the quality of the estimates, allowing the visualization of absolute and dynamic images, with good level of contrast between the tissues and internal organs.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2013-08-08
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.