Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear (2015)
- Authors:
- Autor USP: QUEIROZ, GUYLHERME EMMANUEL TAGLIAFERRO DE - IFSC
- Unidade: IFSC
- Subjects: PROCESSAMENTO DIGITAL DE SINAIS; RESSONÂNCIA MAGNÉTICA NUCLEAR
- Keywords: Digital signal processing; Equações integrais de Fredholm; Fredholm integral equations; Nuclear magnetic ressonance
- Language: Português
- Abstract: Sabe-se que a relaxação de líquidos em meios porosos envolve três mecanismos principais: relaxação bulk, relaxação de superfície e difusão. Muitas vezes, os processos de relaxação de líquidos confinados em meios porosos são dominados pelo processo de relaxação de superfície e difusão do fluído. No chamado regime de difusão rápida, a relaxação de um único poro é comandada por uma função mono exponencial que depende, principalmente, da relação superfície-volume do poro, de modo que em um material poroso, isto é, contendo uma distribuição ampla de tamanho de poros, o sinal de decaimento de magnetização obtido por meio da ressonância magnética nuclear é formado pela soma de exponenciais com diferentes tempos de relaxação. O problema-chave abordado neste trabalho consiste, portanto, em obter por meio desse sinal de magnetização a distribuição dos tempos de relaxação que controlam o decaimento das funções mono-exponenciais. Matematicamente, esse sinal de decaimento de magnetização pode ser descrito na forma geral de uma equação integral de Fredholm do primeiro tipo, cuja solução é um reconhecido problema inverso mal-posto. As abordagens utilizadas na tentativa de solucionar o problema são oriundas de uma área conhecida como processamento digital de sinais, e os seguintes métodos são analisados e comparados neste trabalho: algoritmo dos mínimos quadrados médios com restrição de não negatividade (LMS-NN), algoritmo dos mínimos quadrados médios com restrição de não negatividade e regularizado (LMS-RNN), redes recorrentes de Hopfield e o já bem conhecido na solução de problemas inversos mal-postos, o algoritmo dos mínimos quadrados regularizado (LS-R). Os resultados obtidos no trabalho são bastante positivos, demonstrando que, além do LS-R, existem outras alternativas na solução do problema, que principalmente, permitem atestar as soluções obtidaspor qualquer um dos algoritmos
- Imprenta:
- Publisher place: São Carlos
- Date published: 2015
- Data da defesa: 03.06.2015
-
ABNT
QUEIROZ, Guylherme Emmanuel Tagliaferro de. Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear. 2015. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2015. Disponível em: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-10082015-142117/. Acesso em: 25 fev. 2026. -
APA
Queiroz, G. E. T. de. (2015). Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/76/76132/tde-10082015-142117/ -
NLM
Queiroz GET de. Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear [Internet]. 2015 ;[citado 2026 fev. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-10082015-142117/ -
Vancouver
Queiroz GET de. Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear [Internet]. 2015 ;[citado 2026 fev. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-10082015-142117/ - Intelligent multi-resolution analysis: combining wavelet transform with deep learning strategies for noise reduction in magnetic resonance signals and images
- Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
