EMPLEO DE REDES NEURONALES INFORMADAS MEDIANTE PROCESOS FISICOS PARA LA SIMULACION NUMERICA DE PROBLEMAS EN BIOMECANICA

2022

CONSELLERIA DE INNOVACION, UNIVERSIDADES, CIENCIA Y SOCIEDAD DIGITAL

INV. COMPETITIVA PROYECTOS

Rupérez Moreno María José

Los avances en el modelado biomecánico de tejidos blandos humanos son la base para el desarrollo de nuevas aplicaciones clínicas capaces de mejorar el diagnóstico y el tratamiento de algunas enfermedades (por ejemplo, el cáncer), así como la planificación y el guiado quirúrgico de algunas intervenciones (biopsias). El Método de los Elementos Finitos (MEF) es una de las técnicas más populares utilizadas para predecir la deformación del tejido blando humano debido a su alta precisión. Sin embargo, el MEF tiene un alto coste computacional asociado, lo que dificulta su integración en sistemas de cirugía asistida por computador que trabajen en tiempo real. Una alternativa para simular el comportamiento mecánico de los órganos humanos en tiempo real proviene del uso de técnicas de aprendizaje automático (ML), que son mucho más rápidas que el MEF. Los resultados obtenidos mediante estas técnicas sientan las bases para el futuro desarrollo de software que sea capaz de simular el comportamiento biomecánico del tejido blando durante las intervenciones clínicas en tiempo real. Sin embargo, estos algoritmos, al estar basados en datos no "comprenden" realmente los problemas científicos que están tratando de resolver y, por tanto, pierden capacidad de generalización. Una forma de resolver este problema es mediante el uso de redes neuronales informadas por la física (PINN). La idea consiste en agregar las ecuaciones diferenciales conocidas, que describen el fenómeno físico en cuestión, directamente en la función de pérdida cuando las redes neuronales se entrenen. Por tanto, en este proyecto se propone el uso de redes neuronales artificiales informadas por procesos físicos (PINN) para la simulación numérica de problemas biomecánicos. En particular, se pretende resolver los problemas asociados a la generalización de los modelos propuestos para simular el comportamiento biomecánico de la mama y del hígado. Además, se quiere investigar la posibilidad de crear estos modelos genéricos utilizando pocas condiciones de contorno, puesto que generalmente se carece de información al respecto. La hipótesis de partida es que las PINN serán capaces de obtener soluciones más generalistas en la simulación del comportamiento biomecánico de órganos en tiempo real al introducir la información sobre el problema físico que se quiere resolver en su función de pérdida.