o dos par Extrac a ametros do modelo de Cole-Cole utilizando algoritmos gen eticos

Aleksander Sade Paterno1 , Lucas Hermann Negri1 Departamento de Engenharia El etrica (DEE) Universidade do Estado de Santa Catarina (UDESC) Joinville SC Brasil Resumo. A equac a ancia o de Cole-Cole e capaz de modelar o espectro de imped el etrica de determinados materiais, que por consequ encia podem ser caracterizados pelos par ametros desta equac a etodo o. Neste trabalho e proposto um m para a extrac a ametros da equac a o dos par o de Cole-Cole a partir de um espectro de imped ancia el etrica, considerando a presenc a de ru do no espectro. O desempenho do m etodo proposto frente a espectros com ru do foi comparado a um m etodo baseado em m nimos quadrados. Nesta comparac a etodo o, o m proposto se mostrou mais resistente ao ru do do que o algoritmo baseado em m nimos quadrados.
1

o 1. Introduc a
um m til na classicac o de materiA espectroscopia de imped ancia el etrica e etodo u a ais, que utiliza o espectro de imped ancia el etrica do material para descrev e-lo. Uma das es deste m o de tecidos biol o utilizac o etodo est a na classicac a ogicos, como na detecc a o de um material est de c ancer de pr ostata [Halter et al. 2008]. A composic a a relacionada com o espectro de imped ancia el etrica do mesmo [Ivorra 2002], validando este tipo de o. aplicac a O modelo de Cole-Cole, com o devido ajuste de seus par ametros, pode representar de forma aproximada o espectro de imped ancia el etrica de determinados materiais, como o caso da maioria dos pol e meros [Cole e Cole 1941]. Devido a este fato, o espectro de timos um material que siga o modelo de Cole-Cole pode ser resumido pelos par ametros o do modelo. O modelo de Cole-Cole, [Cole e Cole 1941]: para imped ancia el etrica, denido como e (1)

Z (j!) = RI +

R0 RI 1 + (j! )

a resist a resist onde RI e encia em frequ encia innita, R0 e encia est atica, ! e a constante de relaxac o e  e o fator de dispers o a frequ encia angular,  e a ao / correc a [Cole e Cole 1941]. o dos par A extrac a ametros do modelo de Cole-Cole a partir de um espectro um problema trivial, devido a sua natureza n de imped ancia el etrica n ao e ao-linear e es. V o de par a presenc a de ru do nas medic o arios m etodos para extrac a ametros do o por m modelo foram propostos, utilizando principalmente otimizac a nimos quadrados [Kun et al. 1999, Halter et al. 2008], algoritmos gen eticos [Halter et al. 2008] e m etodos h bridos de regress ao n ao-linear com algoritmos gen eticos [Yang et al. 2002].

 o dos par Neste artigo prop oe-se um m etodo para a extrac a ametros do modelo de o por algoritmos gen Cole-Cole (ajuste de curva n ao-linear) utilizando otimizac a eticos, o a presenc levando em considerac a a de ru do. O comparativo entre um m etodo por m nimos quadrados e um m etodo por algoritmos gen eticos realizado em [Halter et al. 2008] resultou que, para o experimento realizado, o m etodo por m nimos quadrados tem um melhor desempenho computacio o em relac o ao m nal e uma melhor qualidade de soluc a a etodo por algoritmos gen eticos. Apesar do resultado deste comparativo, o algoritmo proposto neste trabalho tem como o melhor em espectros com a presenc objetivo uma qualidade de soluc a a de ru do do que algoritmos baseados em m nimos quadrados.

2. Algoritmo Proposto
O algoritmo proposto determina os par ametros RI , R0 ,  e  do modelo de Cole-Cole o aceit o (1) que proporcionem uma aproximac a avel entre o espectro resultante da aplicac a o por algoritdestes par ametros no modelo e o espectro mensurado, utilizando otimizac a esperado que o mesmo ir mos gen eticos. Por ser um m etodo meta-heur stico n ao e a deter timo, ou seja, a sua aplicac o tem como objetivo enconminar o conjunto de par ametros o a o aceit trar um conjunto de par ametros que proporcione uma soluc a avel [Coppin 2010]. o por algoritmos gen o Os m etodos de otimizac a eticos s ao baseados na evoluc a o competem pela sobreviv natural, onde os indiv duos de uma determinada populac a encia, o de soluc es tenha uma melhor adaptac o ao com o objetivo de que cada nova gerac a o a problema[Haupt e Haupt 1998]. De forma simplicada, um algoritmo gen etico pode ser separado nas seguintes etapas [Haupt e Haupt 1998]: o da populac o de soluc es, que s 1. Inicializac a a o ao distribu das pelo espac o de busca do problema; o da condic o de parada; 2. Vericac a a o dos indiv 3. Selec a duos mais adaptados para cruzamento; o dos indiv 4. Mutac a duos; o de parada seja Neste processo, as etapas de 2 a 4 s ao repetidas at e que a condic a es de parada encontram-se chegar at satisfeita. Entre as poss veis condic o e um limite de es ou chegar em um indiv o de um initerac o duo sucientemente adaptado. A adaptac a calculada a partir de um func o heur o o ambiente div duo e a stica, que leva em considerac a o e normalmente chamada de func (problema sendo tratado). Esta func a a a o de avaliac o ou tness function. o de cruzamento e respons Em um algoritmo gen etico, a operac a avel por combinar o caracter sticas de indiv duos, resultando em uma busca local, enquanto que a mutac a se responsabiliza por garantir que uma determinada caracter stica n ao se perca permanentemente, ou seja, realiza uma busca global, com o objetivo de evitar m aximos locais[Whitley 1994]. o de avaliac o utilizada e o erro quadr Neste m etodo proposto, a func a a atico m edio, o dos par calculado utilizando a diferenc a entre o espectro resultante da aplicac a ametros representados pelo indiv duo avaliado no modelo de Cole-Cole (1) e o espectro no qual o deste erro. se quer extrair os par ametros, logo este algoritmo busca a minimizac a

Os par ametros do modelo (1) podem ser restritos a determinados intervalos, de forma a acelerar a converg encia do algoritmo. Os limites destes par ametros dependem do material analisado. Com o conhecimento do comportamento do modelo (1) e do espectro poss do material, e vel determinar estes limites de forma simples. o do m o utilizando a linguagem de A implementac a etodo proposto foi realizac a o C++ e a biblioteca GAlib [Wall 1996]. As demais congurac es do algoprogramac a o ritmo gen etico, descritas em [Wall 1996], s ao: o Congurac a Valor Genome GABin2DecGenome Terminator TerminateUponConvergence nConvergence 10000 pConvergence 1,005 populationSize 30 pMutation 0,01 pCrossover 0,85
Tabela 1. Congurac oes do algoritmo genetico.

o do m A implementac a etodo tem como entrada os limites dos par ametros, as amostras do espectro de imped ancia que ser a aproximado e quais componentes da imped ancia (somente a parte real, somente a parte imagin aria ou ambas) ser ao utilizadas o e a listagem dos par no processo. A sa da da implementac a ametros determinados pelo o (menor erro). algoritmo, correspondentes ao indiv duo com melhor adaptac a A capacidade do m etodo proposto de aproximar o sinal (espectro de imped ancia) capaz a partir de qualquer componente da imped ancia el etrica implica que o mesmo e de reconstruir de forma aproximada o sinal de entrada a partir de qualquer um dos com o de c ponentes do mesmo, sem a utilizac a alculo. Por exemplo, pode-se utilizar a parte real de um espectro para reconstruir a sua parte imagin aria, desde que o espectro siga o modelo de Cole-Cole (1). 2.1. Ru do O algoritmo proposto considera a presenc a de um ru do aditivo aleat orio no espectro, com o dos par a mesma intensidade em cada frequ encia (ru do branco). A extrac a ametros do o no valor destes modelo de Cole-Cole de um espectro com ru do resulta em uma variac a o a ` extrac o ao espectro sem ru par ametros em relac a a do. O algoritmo proposto procura o. evitar esta variac a um componente aditivo (1). Devido a minimizac o de erro realizada RI , que tamb em e a pelo m etodo proposto, o componente RI acaba sendo deslocado, tendendo a car no ponto m edio formado pelo ru do somado ao componente RI do espectro sem ru do. A presenc a de um ru do branco aditivo se reete, principalmente, no par ametro

3. Experimentos
o (1), com par O m etodo foi testado com dados gerados a partir da equac a ametros esco o de ru lhidos de maneira arbitr aria e com a adic a do. Para testar o seu desempenho, o

m etodo proposto foi comparado a um m etodo baseado no trabalho de [Kun et al. 1999], o por m que utiliza otimizac a nimos quadrados. 3.1. Metodologia Os espectro utilizado no experimento foram gerados a partir dos dados da Tabela 2. Foram gerados v arios espectros, com diferentes n veis de ru do, utilizando 33 pontos distribu dos de 500 Hz at e 1 MHz. Par ametro

RI R0  

106
0,8

Valor 10 250

Tabela 2. Parametros utilizados para gerar o espectro do experimento.

o do m Para cada espectro, a implementac a etodo proposto foi executada 30 vezes (os resultados utilizam a m edia e o desvio padr ao dos valores de sa da) utilizando todos o do m os componentes da imped ancia e a implementac a etodo por m nimos quadrados nica vez. Isto se deve ao fato do m foi executada uma u etodo proposto ser estoc astico, o, e ao fato do m podendo ter resultados diferentes a cada execuc a etodo por m nimos quadrados ser determin stico, sempre resultando na mesma sa da para uma mesma entrada. 3.2. Resultados A Tabela 3 cont em os resultados do experimento para o m etodo baseado em m nimos quadrados implementado. Estes resultados expressam a diferenc a dos par ametros extra dos do espectro com a presenc a de ru do para os seus respectivos par ametros do espectro sem ru do, em porcentagem. Os resultados est ao organizados por SNR1 . o do m Os resultados para a implementac a etodo proposto est ao expostos na Tabela 4, que segue o mesmo modelo da tabela 3, por em tr as a m edia e o desvio padr ao amostral es. das variac o SNR (dB) RI (%) 52 4,675 46 7,076 42 10,644 37 18,085 32 32,212 26 79,449 21 149,846

R0 (%)  (%)  (%)

0,020 0,152 0,192 0,332 1,076 1,752 1,961 0,136 0,611 1,441 1,262 1,366 2,439 14,632 0,134 0,486 0,605 1,117 2,191 3,003 4,461

dos parametros Tabela 3. Variac ao extra dos de acordo com o SNR, para o metodo baseado em m nimos quadrados implementado.

o dos par A Figura 1 mostra um gr aco comparando o somat orio da variac a ametros o do m (excluindo o par ametro RI ) por SNR da implementac a etodo por m nimos quadra o do m dos e da implementac a etodo proposto.
1

Signal-to-noise ratio

SNR (dB) RI (%) 52 5,810 (0,639) 46 10,874 (0,715) 42 16,369 (0,190) 37 28,979 (0,058) 32 48,246 (0,388) 26 112,592 (1,547) 21 205,154 (1,032)

R0 (%)
0,023 (0,014) 0,028 (0,034) 0,014 (0,016) 0,001 (0,001) 0,646 (0,014) 0,763 (0,207) 0,594 (0,162)

 (%)
0,081 (0,054) 0,220 (0,055) 0,184 (0,022) 0,107 (0,005) 0,838 (0,033) 2,578 (0,282) 2,342 (0,211)

 (%)
0,133 (0,083) 0,253 (0,080) 0,498 (0,023) 0,972 (0,005) 1,000 (0,026) 3,582 (0,277) 6,750 (0,211)

dos parametros Tabela 4. Variac ao extra dos de acordo com o SNR, para a do metodo implementac ao proposto.

da variac dos parametros Figura 1. Comparac ao ao entre os metodos implementados.

3.3. An alise dos Resultados o 2.1, o par o entre Estando de acordo com a Sec a ametro RI sofreu a maior variac a os par ametros extra dos. Desconsiderando o par ametro RI , observa-se que o m etodo o dos par proposto resulta em uma menor variac a ametros (tomando o somat orio das es), conclus variac o ao que pode ser visualizada com o aux lio da Figura 1. Para espectros com ru do, o experimento mostra que o par ametro RI sofre uma o signicativa, o que pode impedir a sua utilizac o na alimentac o de sistemas de variac a a a o. classicac a

4. Conclus ao
o dos par Neste trabalho foi proposto um m etodo para a extrac a ametros do modelo de o por Cole-Cole a partir de um espectro de imped ancia el etrica, utilizando otimizac a o do m algoritmos gen eticos. Uma implementac a etodo proposto foi comparada a uma o de um m implementac a etodo baseado em m nimos quadrados, com o objetivo de comparar a qualidade do ajuste e a resist encia ao ru do dos m etodos. Os resultados obtidos o com o ru o RI , e que mostram que o par ametro que sofreu uma maior variac a do e o deste par o do algoritmo proposto se mostrou mais com excec a ametro, a implementac a resistente ao ru do. Devido ao fato do m etodo proposto poder trabalhar com qualquer capaz de reconstruir um compocomponente da imped ancia el etrica, o m etodo tamb em e nente do espectro de entrada a partir do outro, se o espectro seguir o modelo de Cole-Cole. 4.1. Trabalhos Futuros Os seguintes itens cam como sugest oes para trabalhos futuros:

  

o do desempenho computacional do m Otimizac a etodo proposto; o de outros m o, como otimizac o por enxame Experimentac a etodos de otimizac a a de part culas; o de heur Adic a sticas para melhorar a resist encia ao ru do;

Refer encias
[Cole e Cole 1941]COLE, K. S.; COLE, R. H. Dispersion and absorption in dielectrics. i. alternating current characteristics. Journal of Chemical Physics, v. 9, p. 341351, 1941. [Coppin 2010]COPPIN, B. Intelig encia Articial. 1o . ed. [S.l.: s.n.], 2010. [Halter et al. 2008]HALTER, R. J. et al. Genetic and least squares algorithms for estimating spectral eis parameters of prostatic tissues. Physiological Measurement, v. 29, p. S111 S123, 2008. [Haupt e Haupt 1998]HAUPT, R. L.; HAUPT, S. E. Practical Genetic Algorithms. 2o . ed. [S.l.]: Wiley Interscience, 1998. [Ivorra 2002]IVORRA, A. Bioimpedance Monitoring for physicians: an overview. 2002. [Kun et al. 1999]KUN, S. et al. Real-time extraction of tissue impedance model parameters for electrical impedance spectrometer. Medical & Biological Engineering & Computing, v. 37, p. 428432, 1999. [Wall 1996]WALL, M. GAlib: A C++ Library of Genetic Algorithm Components. 1996. Dispon vel em: <http://lancet.mit.edu/ga/>. Acesso em: 13/06/10. [Whitley 1994]WHITLEY, D. A genetic algorithm tutorial. Statistics and Computing, v. 4, p. 6585, 1994. [Yang et al. 2002]YANG, M. et al. A hybrid genetic algorithm for the tting of models to electrochemical impedance data. Journal of Electroanalytical Chemistry, v. 519, p. 18, 2002.