Desarrollo de antenas Vivaldi para la detección de anomalías cerebrales mediante características dieléctricas y principio de radar

• Autor: Quispe Atencio, Johan Gabriel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18939
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18939
• Nivel de acceso: acceso abierto
• Materia: Antenas Vivaldi; Antenas de banda ancha; Caracterización dieléctrica; Detección de anomalías cerebrales; Fantomas biológicos; Microondas biomédicas; Procesamiento de señales; Radar de ondas continuas; Reconstrucción de imágenes por microondas; Sensores de microondas; Sistemas de diagnóstico no invasivo; Tasa de absorción específica; SAR; Tomografía por microondas; http://purl.org/pe-repo/ocde/ford#2.02.01

Actualmente, existe una creciente demanda de dispositivos para la detección temprana y apoyo al diagnóstico médico que sean eficientes, precisos y accesibles. Un enfoque que ha cobrado gran interés es la detección de anomalías cerebrales mediante el estudio de las propiedades dieléctricas y el análisis de ondas retrodispersadas. Esta técnica, basada en la teoría del radar, permite calcular distancias dentro del tejido cerebral a partir de las ondas que se reflejan en las distintas capas, aprovechando las variaciones en su permitividad dieléctrica. La presente tesis propone el desarrollo de un sistema de detección de anomalías cerebrales de bajo costo, sustentado en el diseño y validación de antenas Vivaldi optimizadas. Se propone un sensor de radiofrecuencia que opera en un amplio rango de frecuencias (2–10 GHz) y ofrece un alto desempeño en términos de tamaño y parámetros de radiación. Tras evaluar cuatro modelos de antenas, el diseño denominado DL-SAVA destacó como el más adecuado por su compacidad (60 × 35 mm), ancho de banda de 3–10 GHz y ganancia de hasta 9.6 dBi. Su estructura antipodal y el uso del sustrato RO3012 permitieron reducir dimensiones sin comprometer la directividad ni la respuesta en frecuencia, incorporando además un elemento director para optimizar la radiación. El prototipo completo incluye un soporte elíptico impreso en 3D y un circuito de control digital basado en un microcontrolador PIC16F84A que opera módulos de conmutación RF SP2T, posibilitando operación manual y automática. El protocolo de medición implementa calibración y procesamiento de señales para estimar distancias y analizar reflexiones del medio. En entornos controlados se logró una precisión superior al 90 % en mediciones experimentales, con errores promedio menores al 7 % en la estimación de distancias entre 2 y 20 cm. Asimismo, las pruebas confirmaron la alta sensibilidad del sensor DL-SAVA a variaciones dieléctricas, evidenciada por desplazamientos de frecuencia de resonancia y variaciones del parámetro S11. Se desarrollo además un algoritmo de estimación de permitividad efectiva basado en el modelo de Debye de un polo, que permitió discriminar con claridad contrastes entre aire, agua, piel y fantomas cerebrales, detectando un incremento de aproximadamente 8.6 % en la permitividad de una fantoma con tumor. Con esta información, se implementó la reconstrucción de imágenes por microondas mediante un algoritmo MERIT modificado, alcanzando métricas de fidelidad sobresalientes (SSIM ≈ 93 %, PSNR ≈ 20 dB) y localizando tumores en diferentes posiciones. La evaluación de la Tasa de Absorción Específica (SAR) demostró un máximo de 0.089 W/kg, equivalente al 4.45 % del límite regulatorio en Perú y la Unión Europea, lo que garantiza la seguridad del sistema y respalda su potencial uso clínico. Estos resultados demuestran que el sistema de antenas DL-SAVA, integrado a un radar FMCW y respaldado por la estimación de permitividad efectiva, es seguro, sensible y técnicamente viable para la detección temprana de anomalías cerebrales. En conjunto, la investigación realizada establece una base sólida para el futuro perfeccionamiento de algoritmos de segmentación, la incorporación de técnicas de inteligencia artificial y la validación clínica en entornos reales, con el objetivo de ofrecer una herramienta de diagnóstico no invasiva, portátil y de bajo costo, adecuada para centros de salud y regiones con recursos limitados.