Aprendizaje automático en la aceleración de cálculos biomecánicos: aplicación a la simulación del comportamiento de próstatas

Abstract

[ES] Los avances en cálculo biomecánico utilizando el método de los elementos finitos (FEM) ha demostrado una gran capacidad para simular el comportamiento biomecánico de tejido vivo. El principal problema de esta aproximación es su conste computacional que lo hace inviable para su uso en entornos de simulación o guiado. El objetivo de este proyecto sería desarrollar un modelo de Aprendizaje Automático (ML) capaz de acelerar los cálculos FEM manteniendo su precisión. Para ello se entranará un modelo de regresión ML con las entradas y salidas de la simulación FEM. Durante la realización del trabajo, la alumna podrá en práctica sus conocimiento sobre preparación de los datos, análisis de los mismos y entrenamiento de modelos de regresión basados en aprendizaje profundo (Deep Learning) mediante el uso de herramientas como Keras, Tensorflow, Pytorch, ...

[EN] Advances in biomechanical calculations using the finite element method (FEM) have demonstrated a great capacity to simulate the biomechanical behaviour of living tissue. The main problem with this approach is its computational complexity, which makes it unfeasible for use in simulation or simulation environments. which makes it unfeasible for use in simulation or guidance environments. The aim of this project would be to develop a Machine Learning (ML) model capable of accelerating FEM calculations while maintaining their accuracy. To this end, an ML regression model will be input to and output from the FEM simulation. During the course of the work, the student will be able to practice her knowledge of data preparation, data analysis and training of regression models based on Deep Learning by using tools such as Keras, Tensorflow, Pytorch, ...

[CA] Els avanços en càlcul biomecànic utilitzant el mètode dels elements finits (FEM) ha demostrat una gran capacitat per a simular el comportament biomecànic de teixit viu. El principal problema d’aquesta aproximació és el seu cost computacional, que ho fa inviable per al seu ús en entorns de simulació o guiat. L’objectiu d’aquest projecte és desenvolupar un model d’Aprenentatge Automàtic (ML) capaç d’accelerar els càlculs FEM mantenint la seua precisió. Per a això, s’entrenarà un model de regressió ML amb les entrades i eixides de la simulació FEM. Durant la realització del treball, es posarà en pràctica els coneixements sobre la preparació de les dades, anàlisis dels mateixos i entrenament de models de regressió basats en aprenentatge profund (Deep Learning) mitjançant l’ús d’eines com Keras, Tensorflow, Pytorch, ...