A Tomografia de Impedância Elétrica é uma técnica de obtenção de imagens não invasiva que pode ser usada em aplicações clínicas para estimar a impeditividade dos tecidos a partir de medidas elétricas na superfície do corpo. Matematicamente este é um problema inverso, não linear e mal posto. Geralmente é usado um filtro espacial Gaussiano passa alta como método de regularização para resolver o problema inverso. O objetivo principal deste trabalho é propor o uso de informação estatística fisiológica e anatômica da distribuição de resistividades dos tecidos do tórax, também chamada de atlas anatômico, em conjunto com o filtro Gaussiano como métodos de regularização. A metodologia proposta usa o método dos elementos finitos e o algoritmo de Gauss-Newton para reconstruir imagens de resistividade tridimensionais. A Teoria do Erro de Aproximação é utilizada para reduzir os erros relacionados à discretização e dimensões da malha de elementos finitos. Dados de tomografia de impedância elétrica e imagens de tomografia computadorizada coletados in vivo em um suíno com diferentes alterações fisiológicas pulmonares foram utilizados para validar o algoritmo proposto. As imagens obtidas foram consistentes com os fenômenos de atelectasia, derrame pleural, pneumotórax e variações associadas a diferentes níveis de pressão durante a ventilação mecânica. Os resultados mostram que a reconstrução de imagens de suínos com informação clínica significativa é possível quando tanto o filtro Gaussiano quanto o atlas anatômico são usados como métodos de regularização.

Electrical Impedance Tomography is a non invasive imaging technique that can be used in clinical applications to infer living tissue impeditivity from boundary electrical measurements. Mathematically this is an non-linear ill-posed inverse problem. Usually a spatial high-pass Gaussian filter is used as a regularization method for solving the inverse problem. The main objective of this work is to propose the use of physiological and anatomical priors of tissue resistivity distribution within the thorax, also known as anatomical atlas, in conjunction with the Gaussian filter as regularization methods. The proposed methodology employs the finite element method and the Gauss-Newton algorithm in order to reconstruct three-dimensional resistivity images. The Approximation Error Theory is used to reduce discretization effects and mesh size errors. Electrical impedance tomography data and computed tomography images of physiological pulmonary changes collected in vivo in a swine were used to validate the proposed method. The images obtained are compatible with atelectasis, pneumothorax, pleural effusion and different ventilation pressures during mechanical ventilation. The results show that image reconstruction from swines with clinically significant information is feasible when both the Gaussian filter and the anatomical atlas are used as regularization methods.