Banca de DEFESA: ELENILTON XAVIER DE VASCONCELOS FILHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ELENILTON XAVIER DE VASCONCELOS FILHO
DATA : 30/01/2026
HORA: 15:00
LOCAL: PPGEM/UFPE
TÍTULO:

USO DE REDES NEURAIS INFORMADAS PELA FÍSICA (PINNS) PARA ANÁLISE DE PERFIS DE TEMPERATURA DA MAMA E DE SUAS PROPRIEDADES TERMOFÍSICAS

 

PALAVRAS-CHAVES:

Câncer de mama; Termografia por Infravermelho; Transferência de Calor; Deep Learning; Redes Neurais Informadas pela Física (PINN).

PÁGINAS: 80
RESUMO:

A elevada incidência do câncer de mama e a importância da detecção precoce da doença têm impulsionado o desenvolvimento de novas tecnologias de apoio ao diagnóstico médico. Entre essas tecnologias, a termografia por infravermelho destaca-se por ser um método não invasivo, indolor e livre de radiação ionizante, capaz de identificar variações térmicas superficiais associadas a alterações fisiológicas nos tecidos. No contexto do câncer de mama, essas variações estão diretamente relacionadas a processos como o aumento da perfusão sanguínea e da atividade metabólica tumoral, os quais influenciam a distribuição de temperatura na superfície da mama. A modelagem térmica da mama, no entanto, depende do conhecimento adequado dos parâmetros termofísicos dos tecidos envolvidos, como a condutividade térmica e a taxa de perfusão sanguínea, cujos valores reais são frequentemente incertos ou de difícil obtenção. Diante dessa limitação, torna-se necessário o emprego de métodos inversos capazes de estimar tais parâmetros a partir de dados mensuráveis, como imagens termográficas. Nesse cenário, as Redes Neurais Informadas pela Física (Physics Informed Neural Networks – PINN) surgem como uma alternativa promissora, por integrarem diretamente as equações governantes do fenômeno físico ao processo de aprendizado, reduzindo a dependência de grandes volumes de dados experimentais, podendo ser consideradas uma alternativa às simulações computacionais regidas pelo Método dos Volumes Finitos. A metodologia apresentada na presente dissertação baseia-se na integração entre a termografia por infravermelho, a Equação de Biotransferência de Calor de Pennes e técnicas de aprendizado profundo. Inicialmente, foram construídos modelos geométricos tridimensionais da mama, considerando diferentes configurações anatômicas e a presença de anomalias. Em seguida, realizaram-se simulações numéricas do campo térmico por meio do método dos volumes finitos, com variação dos parâmetros termofísicos da mama e do tumor, possibilitando a construção de uma base de dados, sendo esses dados utilizados no treinamento de uma PINN, que incorpora as equações diferenciais parciais, as condições de contorno e os dados disponíveis em uma única função de perda. A abordagem permite a resolução de problemas diretos e inversos de transferência de calor em tecidos biológicos, possibilitando a estimativa simultânea dos campos de temperatura e dos parâmetros termofísicos de interesse a partir da distribuição de temperatura superficial. Os resultados obtidos apresentam boa concordância com soluções analíticas, indicando a capacidade da rede em reproduzir o comportamento térmico do sistema modelado. Dessa forma, a metodologia demonstrou potencial para aprimorar a modelagem térmica da mama, contribuindo para o desenvolvimento de ferramentas computacionais mais precisas e confiáveis de apoio ao diagnóstico precoce do câncer de mama, além de fortalecer a integração entre engenharia, física e inteligência artificial aplicada à área da saúde.

MEMBROS DA BANCA:
Presidente - 1132340 - RITA DE CASSIA FERNANDES DE LIMA
Interno - 2929080 - MARCUS COSTA DE ARAUJO
Externa ao Programa - 2103925 - ANA LUCIA BEZERRA CANDEIAS - UFPEExterna à Instituição - KAMILA FERNANDA FERREIRA DA CUNHA QUEIROZ