Estudio y modelado de un sistema para tomografía optoacústica para la mejora de algoritmos de reconstrucción basados en redes neuronales profundas

Título

Estudio y modelado de un sistema para tomografía optoacústica para la mejora de algoritmos de reconstrucción basados en redes neuronales profundas

Colaborador

Vera, Matías

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2026-03

Extensión

xv, 130 p.

Resumen

En esta tesis se aborda el problema de la reconstrucción de imágenes en tomografía optoacústica mediante el uso de técnicas de aprendizaje profundo, con el objetivo de superar las limitaciones de los métodos analíticos clásicos cuando se aplican a escenarios experimentales realistas. En particular, se propone un enfoque integral que combina modelado físico detallado del sistema optoacústico, generación de datos sintéticos realistas y el diseño y evaluación de arquitecturas de redes neuronales convolucionales. Uno de los principales aportes de este trabajo es la incorporación explícita de efectos reales del sistema optoacústico —tales como la respuesta en frecuencia del detector, las limitaciones de ancho de banda, la atenuación dependiente de la profundidad y el ruido instrumental— en la generación de los datos sintéticos utilizados para el entrenamiento. Se demuestra que este modelado realista permite reducir de manera efectiva la brecha entre el dominio sintético y el experimental, mejorando la capacidad de generalización de los modelos entrenados cuando se aplican a mediciones reales. Desde el punto de vista metodológico, se evalúan distintas variantes de arquitecturas basadas en UNet, incluyendo configuraciones clásicas, modificaciones en los esquemas de upsampling, normalización por capa y enfoques multiescala entrenados por patches. El desempeño de los modelos se analiza mediante un conjunto ampliado de métricas que incluye métricas tradicionales, métricas perceptuales estructurales y métricas específicas por región, permitiendo una caracterización más completa de la calidad de las reconstrucciones. Los resultados obtenidos sobre datos sintéticos y mediciones optoacústicas reales muestran que las redes neuronales entrenadas con un modelado físico realista del sistema producen reconstrucciones más coherentes desde el punto de vista estructural, con mejor preservación de bordes, mayor continuidad vascular y una reducción significativa de artefactos, en comparación con los métodos analíticos tradicionales. Estos resultados validan experimentalmente la importancia de integrar conocimiento físico del sistema en el proceso de entrenamiento de modelos de aprendizaje profundo para aplicaciones en tomografía optoacústica.