Estimativa de parâmetros termofísicos a partir de termografia por infravermelho utilizando algoritmo de inteligência artificial

Abstract

O câncer de mama permanece como uma das principais causas de mortalidade entre mulheres em todo o mundo. A detecção e o diagnóstico precoce são cruciais para aumentar as chances de sucesso no tratamento, reduzindo, assim, as taxas de mortalidade. Este trabalho propõe uma metodologia para estimar propriedades termofísicas de tumores mamários utilizando imagens termográficas e algoritmos de inteligência artificial, com ênfase no uso de redes neurais artificiais (RNA) e otimização por enxame de partículas (PSO). A partir de imagens termográficas e simulações numéricas, foram analisadas as temperaturas máxima, mínima e média da mama e do tumor na superfície, com o objetivo de prever a condutividade térmica dos tecidos. As simulações numéricas, realizadas no software ANSYS, modelaram a distribuição de temperatura nas mamas com tumores, considerando propriedades específicas e condições de contorno adequadas. O processo de otimização com PSO ajustou a arquitetura da RNA para minimizar o erro quadrático médio no treinamento. O modelo desenvolvido foi capaz de estimar a condutividade térmica dentro dos limites esperados, apresentando erros aceitáveis em relação aos valores de referência. Estes resultados sugerem que a combinação de RNA e PSO tem potencial para aprimorar as tecnologias de diagnóstico por imagem termográfica, contribuindo para melhor estimativa de parâmetros dos tecidos da mama. Juntamente com outras técnicas, como de classificação, pode-se contribuir para a detecção precoce do câncer de mama a partir de imagens por infravermelho.