ABSTRACT
A modelagem da temperatura em tecidos humanos, quando os mesmos são sujeitos a ultra-som de terapia, é um aspecto essencial para um correto controle e calibração da instrumentação de terapia. A existência de modelos precisos possibilitaria um uso mais seguro e eficiente das terapias térmicas. O objetivo principal deste trabalho é a comparação entre a performance de um modelo linear e de um modelo não linear, na estimação pontual da temperatura num meio homogêneo. O objetivo final do trabalho é a construção de modelos para estimação in-vivo da temperatura. Os modelos lineares aplicados foram "autoregressive models with exogenous inputs" (ARX), enquanto que os modelos não-lineares aplicados foram "radial basis functions neural networks" (RBFNN). As melhores estruturas para as RBFNN foram selecionadas usando o "multi-objective genetic algoritm" (MOGA). A melhor estrutura RBFNN apresentou um erro máximo absoluto de 0,2ºC, que é inferior em uma ordem de grandeza ao erro cometido pelo melhor modelo ARX.