Trabalhos de Conclusão de Curso

URI Permanente para esta coleção

https://repositorio.fei.edu.br/handle/FEI/3176

Navegar

Agora exibindo 1 - 20 de 51

3DOOR:
(2022-12-09) Sousa, Caio Rios ; Ferreira, Guilherme Nunes Melo ; Lima, Lucas Alves de ; Pereira, Victor Manoel de Lima
A reconstrução 3D de ambientes, sejam eles internos ou externos, é uma realidade e tem se tornado cada vez mais utilizada. Porém, atualmente, é difícil encontrar técnicas que tenham a capacidade de fazer uma reconstrução 3D de fachadas utilizando imagens antigas, seja por falta de conteúdo disponível, como base de dados, ou por pouca eficácia de algoritmos na reconstrução de cenas com arquiteturas antigas. Sendo assim, o principal objetivo deste trabalho é fazer a reconstrução 3D de fachadas antigas baseando-se em poucas ou até mesmo uma única imagem, passando por técnicas para processamento da imagem que possibilitam, assim, a execução do processo de reconstrução 3D da fachada. Para alcançar esse objetivo foram utilizados alguns métodos, partindo desde o tratamento de imagens de entrada com a aplicação da equalização de histograma em conjunto com a remoção de elementos que possam obstruir a fachada, para que ela se adéque às condições ideais e assim possibilite que o resultado esperado seja alcançado, até a aplicação de métodos para geração das malhas 3D da fachada desejada e para a aplicação da imagem como textura no modelo criado. O pipeline proposto apresentou resultados consistentes considerando os desafios impostos na reconstrução 3D de fachadas antigas partindo de uma única perspectiva.
AGRO5G :
(2022-06-13) BRUNO DUCATI VAZQUEZ; LUCAS SOUZA VALVERDE; MARCELO SHINJI SHINZATO
O agronegócio é o setor responsável pelo saldo positivo da balança comercial de exportação e contribui com a geração de expressivo percentual de empregos no Brasil. Nesse contexto, uma das áreas chave para um bom desempenho agropecuário é a operação de irrigação, pois uma agricultura irrigada permite a criação de lavouras em regiões onde a escassez de água é predominante e são proporcionados diversos benefícios no uso dessa técnica como o aumento da produtividade, alta qualidade dos produtos, possibilidade de uma entressafra (mais de uma safra por ano), melhor rentabilidade e redução de riscos de perda nos períodos de estiagem. Entretanto, muitos fazendeiros utilizam técnicas que não garantem que a plantação esteja sendo irrigada uniformemente. Além disso, a forma como a irrigação é feita pode contribuir para um uso excessivo de água, assim, não utilizando de forma eficiente esse recurso natural e aumentando as despesas operacionais. Os problemas relacionados à irrigação eficiente de lavouras podem ser resolvidos por meio do uso de técnicas de inteligência Artificial e de redes de alta velocidade, como a emergente rede 5G. Com a utilização da rede 5G no agronegócio pode ajudar no aprimoramento do monitoramento de diversas condições de campo, da detecção antecipada da necessidade de irrigação e da pulverização de defensivos ou fertilizantes através de uma rede de sensores wireless. Assim, neste trabalho foi proposto uma plataforma unificada de gerenciamento das operações de agronegócio por meio da conectividade 5G. Em específico, neste projeto, como um primeiro caso de uso, nos focamos na melhora do sistema de irrigação de modo que a produção de uma fazenda seja aumentada e a água seja utilizada de forma eficiente.
ALGORITMOS BIO-INSPIRADOS APLICADOS À ANÁLISE GRÁFICA EM DAY TRADE DE STOCK MARKET
(2021-06-18) LUCA LENZARINI SILVA; MICHEL KRAHENBUHL BERNILS
A predição de tendência no mercado financeiro desempenha um importante papel na busca pelo lucro maximizado em investimentos. Analistas utilizam indicadores de análise téc- nica para efetuarem estudos do comportamento do mercado, o que gera enorme volume de dados diariamente. Porém, devido à intensa volatilidade e não-linearidade de valores, a pre- dição de preços de produtos financeiros se torna um dos maiores desafios para os investidores efetuarem manualmente. Por outro lado, a previsão probabilística desses ativos, ainda é um problema computacional relevante e sem solução definitiva. Sendo assim, o presente trabalho apresenta uma metodologia para predição de valores de ativos financeiros utilizando eventos probabilísticos com pesos de importância que são calculados por meio de algoritmos bioinspi- rados. Os experimento mostram que a metodologia proposta obteve uma média de curva ROC de 0,893 na predição de valores de ativos utilizando variaveis macroecônomicas, tais como va- riação do dólar e taxa SELIC. Dentre os algoritmos bioinspirados utilizados, o que mostrou melhores resultados foi o algoritmo Bat, alcançando uma média de 0,744 em termos de área sobre a curva ROC, para as variáveis macroeconômicas, mostrando que o método proposto é promissor.
ANÁLISE DE SENTIMENTOS BASEADA EM INFORMAÇÕES FACIAIS DURANTE AULA VIRTUAL
(2021-06-17) ALEXANDRE CARDOSO FEITOSA; ANDRE LUIZ BARONI; EDUARDO BAPTISTA DOS SANTOS; FILIPI GUIMARÃES SILVA; LUCAS MACHADO SERAIN
As aulas virtuais estão cada vez mais comuns na vida dos estudantes, especialmente durante a quarentena causada pela pandemia da doença COVID-19, em que grande parte das instituições educacionais adotaram esse sistema de ensino. Um dos principais desafios desta modalidade de educação é resolver o distanciamento entre aluno e professor, que impossibilita a percepção do docente sobre os sentimentos dos estudantes em um contexto no qual as expres- sões faciais dos alunos entregam informações não-verbais importantes frente ao que é abordado em sala. Embora existam diferentes sistemas para a avaliação da expressão facial, poucos tra- balhos entre os levantados foram criados objetivando um ambiente de ensino a distância e, por este motivo, não solucionam a ausência da expressão facial do aluno. O presente trabalho apre- senta duas metodologias para lidar com esse problema: uma baseada no Facial Action Coding System (FACS) e outra baseada em redes neurais convolucionais. Aplicando estas técnicas, foi possível unir a área de visão computacional com a área de aprendizado de máquina, quantifi- cando o sentimento do aluno enquanto visualiza uma determinada videoaula com até 79,97% de acurácia em determinadas emoções. A partir desta quantificação, o sistema foi capaz de gerar um relatório que apresenta os sentimentos predominantes em determinados intervalos de tempo.
APLICAÇÃO GAMIFICADA PARA COLETA DE EMOÇÕES E CRIAÇÃO DE PERSONAS DE ALUNOS
(2021-12-17) LETICIA ALGUSTO PENHA; JOAO VICTOR FERSURA MOREIRA; JULIO CESAR SCHLINDWEIN DA SILVA
Desde seu primórdio, a humanidade sempre buscou resolver os problemas que possuiam com criatividade e inovação. Isso continua sendo uma verdade até nos dias atuais, em que ainda é possível melhorar a situação de vários problemas existentes no mundo, como a educação, que será o foco desse trabalho. Baseado em uma série de estudos sobre clusterização, educação e tecnologia, gamificação e personas, decidiu-se criar um aplicativo que ajude o docente a conhecer seus alunos mais profundamente e em menos tempo. Com os questionários que a turma de um professor responder, a aplicação atribuirá a cada aluno uma persona e também gerará relatórios estatísticos. Assim, ao analisar essas informações, o lecionador poderá encontrar novas maneiras de melhorar a qualidade de suas aulas na perspectiva de seus alunos até satisfazer toda a classe. A metodologia adotada foi dividida em 4 seções, cada uma representando uma parte do ciclo de funcionamento do produto final: coleta de dados, processamento de dados, geração de relatórios e manutenção dos usuários. Os resultados apontaram que o sistema de agrupamento de alunos por personas funcionou como planejado. Espera-se que o presente trabalho possa melhorar o estado da educação e servir de inspiração para que mais contribuições desse tipo sejam feitas no futuro.
AVALIAÇÃO DE DESEMPENHO DE TRANSAÇÕES EM PROTOCOLOS BLOCKCHAIN:
(2022-06-14) DANILO BIZARRIA DE OLIVEIRA; GERALDO LUCAS FERNANDES DO AMARAL; MARKEL PEDROSA DUARTE DE MACEDO; MATHEUS FERREIRA MESQUITA
Sistemas de processamento de transações são parte essencial de negócios online, especialmente os relativos a transações financeiras, que exigem tanto confiança quanto desempenho para entregar o serviço esperado. Uma ferramenta de blockchain é capaz de oferecer os objetivos mencionados, dado que sua arquitetura distribuída favorece a escalabilidade em relação a sistemas centralizados, enquanto que seu protocolo de consenso formaliza a validação de transações. Ainda que tais qualidades sejam comuns às diferentes redes de blockchain, suas medidas oscilam entre implementações, e têm sua variação ampliada entre a crescente quantidade de versões do protocolo disponíveis, o que dificulta a caracterização de qual alternativa é mais apropriada para um dado cenário de execução. A abordagem proposta neste trabalho é da avaliação do potencial de escalabilidade da rede Ethereum, e seu comportamento em cenários progressivamente mais distribuídos. Por meio da execução e medição de seu desempenho em 5 diferentes escalas (de 1 a 16 nós, em progressão geométrica de razão 2), foram coletadas métricas de throughput e latência, de forma a ilustrar a escalabilidade da rede, com destaque para um aumento observado de cerca de 10× o número de transações por segundo, quando comparados um nó isolado e uma rede de 16 nós, esta que também proporcionou uma queda de mais da metade da latência com relação ao cenário centralizado
BLUETOOTH LOW ENERGY APLICADO À LOCALIZAÇÃO INDOOR E ASSISTÊNCIA EM LOCALIZAÇÃO DE ROBÔS
(2023-06-14) BRUNO DA SILVA SOFFO; GABRIEL ALVES LEITE; GABRIEL LOPES PARREIRA DOS SANTOS; GUILHERME ALVES ROCHA
A localização em ambientes fechados é um problema muito comum quando é preciso ter uma alta precisão no posicionamento de uma pessoa ou um objeto, com aplicação em diversas áreas como, por exemplo, segurança de ambientes, rastreabilidade dentro de uma empresa, localização de robôs autônomos, entre outras. Tratando-se de robôs autônomos, isto é, robôs que circulam em um ambiente sem qualquer tipo de intervenção ou controle humano, existe um grande desafio, que é conhecido como sequestro do robô. Embora seja possível utilizar-se dos próprios sensores para realizar essa localização, pode ocorrer que o robô necessite percorrer pelo ambiente até que seja possível se localizar novamente. O presente trabalho desenvolve estudos para a utilização da tecnologia Bluetooth para a solução destes problemas em ambientes indoor. Partindo desse ponto, foram estudadas diversas possibilidades de utilização de transmissores e receptores Bluetooth e sua aplicação em ambientes variados, assim como a aplicação do Filtro de Kalman para contornar o problema de ruído de sinal, presentes em sistemas baseados na tecnologia de radiofrequência, e um algoritmo de trilateração para estimar a posição do transmissor de sinal. Após a realização dos experimentos, foi possível concluir que a melhor solução para a instabilidade do RSSI (Received Signal Strength Indication - indicador de intensidade do sinal recebido), foi aplicando o Filtro de Kalman e removendo valores que fugiam do desvio padrão, pois em um cenário controlado, foi possível ter 59,46% de melhora na estabilidade comparado com valores sem nenhum tipo de filtro
CLASSIFICAÇÃO DE DADOS EM COMPUTADORES QUÂNTICOS:
(2023-06-14) MATHEUS TEIXEIRA
À medida que nos aproximamos das dimensões mínimas dos transistores utilizados em CPUs, nos aproximamos também dos limites computacionais dos computadores clássicos. Diante da crescente demanda por maior poder de processamento para resolver problemas complexos, surge a necessidade de uma ferramenta mais capacitada: os computadores quânticos. Em resposta a essa situação, diversas áreas da computação estão sendo adaptadas para aplicar seus métodos em computadores quânticos. Entre essas áreas, destaca-se o campo do aprendizado de máquina. O presente trabalho descreve um método de aprendizado de máquina supervisionado que utiliza a máquina de vetores de suporte quântica para a classificação de dados em um computador quântico
CLASSIFICAÇÃO DE TEXTOS DA BASE DBPEDIA COM A UTILIZAÇÃO DE REDES NEURAIS
(2020-06-17) ADRIANO VIANA; GUSTAVO ARAÚJO; IGOR SANTOS SOUZA
Considerando os níveis de pobreza ainda existentes no Brasil e no mundo, percebe-se que a atuação do Estado ainda não é suficiente para suprir todas as necessidades da população. Como forma de trazer novos aliados para o combate à pobreza, pode-se incentivar empresas a exercerem a responsabilidade social. Entretanto, muitas empresas ainda não estão convencidas de que isso também pode trazer retornos lucrativos à mesma. Neste projeto, o objetivo é realizar uma comparação entre diversos modelos e parâmetros de redes neurais usadas para realizar a categorização de textos. Para realizar este objetivo, foi utilizada uma base de dados com artigos de texto retirados do Wikipedia, chamada DBpedia. Estes dados foram tratados com técnicas de pré-processamento de texto e convertidos a vetores tf-idf, que tiveram sua dimensionalidade reduzida pelo algoritmo Singular Value Decomposition. Após esta etapa, foi realizado o treinamento e otimização de parâmetros da rede neural, e em seguida os modelos foram testados na base de testes. Espera-se que os resultados deste estudo contribuam para o aprimoramento de sistemas de categorização de textos aplicados à identificação de tópicos relacionados à responsabilidade social
COMPARAÇÃO DE SOLUÇÕES ALGORÍTMICAS BIO-INSPIRADAS PARA BALANCEAMENTO DE CARGA EM NUVEM
(2020-06-17) ANDERSON AGUIAR DE SOUZA; MARCELO DONATO DA SILVA; RENATO LOPES YAMAGUTI
Os avanços tecnológicos dos últimos anos causaram um aumento significativo na de- manda por processamento, armazenamento e análise de dados, o que acabou influenciando a popularização da computação em nuvem. Este ambiente é característico por oferecer estabili- dade, escalabilidade, segurança, tudo isso através da virtualização e de servidores dedicados. Um dos principais problemas relacionados com este cenário está associado com o gerencia- mento de requisições e a distribuição de tarefas, que são casos que são resolvidas por técni- cas chamadas de balanceamento de carga. Essa técnica pode ser implementada e avaliada de diversas formas, porém podem apresentar diferentes resultados dependendo de fatores como configuração e métricas. Este trabalho implementa a análise e comparação de 3 técnicas de diferentes soluções de otimização: o Firefly, Colônia de Formigas e Algoritmo Genético
COMPARTILHAMENTO DE IMAGENS MÉDICAS CARDÍACAS PARA UTILIZAÇÃO EM PESQUISA E DESENVOLVIMENTO:
(2021-12-15) BRUNO BAZZO ABELLAN; GUILHERME COUTO BERNARDI; JOÃO VITOR MALAFAIA; MATEUS CONTE FEITOSA
Imagens médicas são essenciais no treinamento de algoritmos de inteligência artificial que objetivam, entre outras tarefas, auxiliar o diagnóstico médico. Embora esse treinamento seja possível com um pequeno número de imagens é conhecido pela comunidade científica que quanto maior a quantidade de imagens disponíveis, maior a efetividade do algoritmo. Dessa forma, se torna essencial o desenvolvimento de estratégias de armazenamento e recuperação de tais imagens. Uma das abordagens possíveis é a utilização de sistemas gerenciadores de banco de dados (SGBDs) para realizar o armazenamento desses dados. O presente projeto de pesquisa tem por objetivo avaliar diferentes SGBDs no que diz respeito ao armazenamento de centenas de frames de exames de ressonância magnética cardíaca, considerando todas as suas particularidades, tais como: anonimização, idade e gênero do paciente. Adicionalmente, para simular um grande volume de dados e estruturar a base de dados para que seja reaproveitada por outros pesquisadores, utiliza-se técnicas de DA. As principais contribuições deste trabalho foram: determinar que o modelo mais adequado para armazenar e recuperar imagens médicas cardíacas dentro do contexto de desenvolvimento de pesquisa é o MongoDB Atlas, além de aplicar técnicas eficientes para que seja possível obter uma maior gama de imagens e consequentemente maior precisão em um treinamento de modelos preditivos utilizando IA.
COMPROVAÇÃO DE IDENTIDADE A PARTIR DE DOCUMENTOS OFICIAIS FORNECIDOS POR USUÁRIOS COMUNS
(2021-06-18) FILIPI DE LUCA VALIM DOS SANTOS; GABRIEL DINIZ GISOLDO
Validar documentos oficiais para abertura de contas bancárias ou cadastros à distância em empresas, utilizando dispositivos eletrônicos, demanda aprovação humana para execução. Um dos maiores desafios dessa tarefa é validar a imagem do documento oficial, uma vez que podem existir diferenças entre a imagem do documento e características atuais do cliente. Considerando a problemática colocada, este projeto apresenta uma metodologia base- ada em redes neurais profundas, segmentação de imagem e validação de informações para au- tomatizar o processo. Com essa proposta, espera-se obter uma taxa de eficiência para uso em ambientes reais e, com isso, diminuir a necessidades de atuação humana para a análise. Nossa metodologia atingiu um IOU Score de 94% na segmentação de imagens, 62% de acurácia na extração de texto dos documentos e uma acurácia de 40% em semelhança de rostos em idades diferentes e 68,3% em idades mais próximas.
DATASET PARA RECONHECIMENTO DE COMPORTAMENTO DO MOTORISTA BASEADO NO CONTEXTO DO AMBIENTE NO SETOR AUTOMOBILÍSTICO
(2020-12-10) JEAN LOURENÇO; LUCAS FONSECA; LUIS CARVALHO
Com o trânsito crescente nas grandes cidades, compreender o comportamento dos mo- toristas se torna cada vez mais essencial por diversos motivos, como para permitir que os res- ponsáveis possam tomar ações que visam proteger a vida da população. Tendo isso em vista, este trabalho tem como objetivo documentar e executar o ciclo completo de produção de um dataset que armazenará o comportamento dos motoristas de acordo com o contexto do ambi- ente, para isso usaremos um aparelho celular para capturar informações do ambiente, através dos diversos sensores embarcados nele. Além disso serão usados detectores de objetos, tanto para identificação de objetos internos quanto externos, um rastreador ocular, para determinar a direção em que o motorista está olhando, um estimador de posição da cabeça, para determinar a posição da cabeça do motorista, e um reconhecedor de emoções faciais, para determinar por qual emoção o motorista está passando. O principal resultado é uma proposta de baixo custo que reúne um estimador de posição da cabeça, com precisão de 82,50% com o veículo em movimento, um rastreador ocular, que obteve uma precisão média de 71,25% com o veículo em movimento, dois detectores de objetos, um para imagens externas, que atingiu precisão 85,00%, e um para imagens internas, que atingiu 83,33%, e um reconhecedor de emoções faciais, cuja precisão obtida foi de 82,00%. O trabalho também contribui com um novo dataset com vídeos, áudios e dados provenientes de diversos sensores dos celulares para reconhecimento do comportamento do motorista.
DESCRIÇÃO ESPACIAL QUALITATIVA DE CENAS EM AMBIENTES INTERNOS COM VISÃO COMPUTACIONAL
(2020-12-08) GUSTAVO FUENTES NASCIMENTO; JEFFERSON FERREIRA BIZARRI; THOMAS DUMONT DAS NEVES
O campo de Visão Computacional foi revolucionado com a introdução de Redes Neurais Profundas, elas possibilitaram a criação de tecnologias como reconhecimento facial, detecção e classificação de objetos e é responsável, em partes, pelo crescente avanço de veículos autôno- mos, entre diversas outras contribuições. Apesar da constante melhoria desse campo, notamos que não existem muitas tecnologias populares capazes de descrever textualmente cenas captu- radas por câmeras fotográficas em ambientes internos. Propomos uma aplicação capaz de gerar um texto descrevendo quais objetos foram identificados e a suas direções qualitativas em rela- ção a câmera. Para realizar este trabalho, utilizamos a Faster R-CNN que foi treinada e avaliada com um resultado de 52% de mAP, para identificar 15 tipos de objetos em um ambiente fe- chado, usando o COCO-Dataset como base dados. Para a classificação do seu posicionamento na cena, desenvolvemos um algoritmo baseado no conceito de Raciocínio Espacial Qualitativo (REQ). A Rede Neural Convolucional, foi integrada com o algoritmo de REQ para produzir uma aplicação desktop e um serviço web, onde o usuário é capaz de subir uma imagem para descrever qualitativamente as posições dos objetos nela presente em relação a câmera.
DETECÇÃO AUTOMÁTICA DE DISLEXIA BASEADA EM LEITURA DIGITAL
(2020-12-09) IAGO RODRIGUES WANDEUR; JOSÉ DJALMA DA CUNHA JÚNIOR
O processo de investigação diagnóstica da dislexia é relativamente demorado e envolve o trabalho de uma equipe multiprofissional de saúde em seu âmbito, muitas vezes o tornando caro e impossibilitando o acesso de uma grande quantidade de pessoas com menos recursos financeiros e de pessoas com rotinas agitadas e pequena quantidade de tempo livre pessoal, seja por cotidiano atarefado profissionalmente ou estudantil. Em consideração a essas pessoas e aos obstáculos encontrados no diagnóstico dessa condição, esse trabalho objetiva identificar a dislexia de uma forma mais rápida e acessível às diferentes camadas socioeconômicas da sociedade. O experimento consiste na análise visual da leitura de um texto no computador, sendo o padrão de leitura interpretado por uma rede neural do tipo deep learning e, em questão de minutos, é emitido um relatório com a probabilidade da pessoa possuir dislexia, incentivando a procura de atendimento adequado para o caso.
DETECÇÃO DE ANOMALIAS EM PASSAGENS EXCLUSIVAS DE PEDESTRES
(2022-12-07) KAIQUE ESTANISLAU DE ARAUJO ; PAULO VINÍCIUS NUNES DE AGUIAR
Monitorar atividades humanas é um assunto relevante para a segurança da população, sobretudo por câmeras de vigilância instaladas em locais abertos e em ambientes fechados, como lojas, mercados, entre outros. Na maioria dos casos, a segurança é realizada manualmente através de vigilância humana, resultando em um processo caro, inviável financeiramente em grande escala e sujeito a falhas. Visando resolver esse problema e automatizar processos de monitoramento, diversos conjuntos de dados relacionados ao reconhecimento de anomalias nas atividades humanas vêm sendo elaborados e disponibilizados publicamente, e variados métodos, principalmente relacionados a aprendizado profundo, estão sendo testados nesses datasets. O contínuo avanço na área de inteligência artificial vem da necessidade de melhorar cada vez mais o reconhecimento de anormalidades no comportamento das pessoas, através da inovação em técnicas e ferramentas. Com esse intuito, o presente trabalho é baseado em redes neurais convolucionais, que utiliza a rede neural YOLO para identificar os objetos determinados nos datasets UCSD Ped1 e UCSD Ped 2 e, através da ResNet50, utilizando a técnica de transferência de aprendizado, serão classificados os eventos anômalos, como circulação de não pedestres (skatistas, ciclistas, veículos pequenos) em caminhos exclusivamente de pedestres e pessoas andando sobre a grama.
DETECÇÃO DE ROI E SEGMENTAÇÃO AUTOMÁTICA DE IMAGENS DE RESSONÂNCIA MAGNÉTICA CARDÍACA:
(2021-12-15) EDUARDO COLTRI; GABRIEL FIGUEREDO; KELVIN LINS SILVA; PEDRO ZIGANTE MARTIM
O crescimento exponencial do volume de dados é uma realidade dentre todas as áreas de conhecimento. Notavelmente a área de processamento de imagens médicas encontra-se entre estas, principalmente no que tange a identificação de região de interesse (Region Of Interest - ROI) e segmentação. A priori ambas tarefas são mais presentes dentre componentes de imagens de ressonância magnética dos órgãos do coração e do cérebro. Para a detecção do ROI e segmentação, técnicas baseadas em redes neurais convolucionais têm sido amplamente aplicadas. Embora diversos métodos e arquiteturas já tenham sido propostas, muitas ainda falham em realizá-los ou não atingem resultados acurados e generalizados. Em específico, na Cardiologia, problemas como patologias derivadas da cardiomiopatia e grande quantidade de ruído estão entre os ofensores do avanço de resultados satisfatórios nas tarefas de detecção do ROI e segmentação automática do ventrículo esquerdo. Dessa forma, o presente trabalho propõe um novo método baseado na combinação de duas redes neurais modificadas juntamente com uma função redutora de ruídos, até então não utilizada em imagens deste contexto. Este estudo obteve resultados equivalentes ou próximos ao estado da arte, com índice médio de Dice de 0.92, Hausdorff médio de 3.02 e índice de Jaccard médio de 0.87 para a abordagem empregada
DIAGNÓSTICO AUTOMÁTICO EM IMAGENS MÉDICAS COMBINANDO ARQUITETURAS DE APRENDIZADO DE MÁQUINA COM ALGORITMOS BIO-INSPIRADOS
(2021-12-17) ANDERSON SIMÃO DA SILVA; STELA FERNANDES DE ALMEIDA; VINICIUS DE ANDRADE SILVA; VITOR ZAMIGNANI MALUF
Exames laboratoriais de Ressonância Magnética vêm sendo utilizados para diagnósticos médicos, como a identificação de tumores e lesões. Recentemente, devido ao grande desenvolvimento tanto de hardware quanto de aprendizado de máquina, a área médica tem se beneficiado da automatização de análises clínicas, os chamados Sistemas CAD (Computer Aided Diagnosis) No entanto, ao mesmo tempo que esses avanços trazem benefícios na área da medicina, o seu rápido desenvolvimento tem gerado um grande volume de dados e informações, tornando tanto o diagnóstico quanto o gerenciamento de dados uma tarefa desafiadora. Contudo, algumas técnicas clássicas para processamento de informações, bem como técnicas modernas como Redes Neurais Profundas, tem sido aplicadas com sucesso na intenção de automatizar esses diagnósticos. No entanto, o diagnóstico automático é um processo que depende de vários passos, sendo um dos principais a etapa de segmentação, onde as regiões de interesse são delimitadas antes de sua classificação como lesão. Assim, vários algoritmos têm sido propostos visando sobretudo a segmentação dessas regiões, todos com resultados promissores mas competindo entre si. O presente trabalho propõe uma nova metodologia para diagnóstico automático de lesões em imagens de Ressonância Magnética, utilizando uma combinação de três pipelines modernos e atuais de segmentação de imagens, ponderando cada pipeline através de um método de otimização bio-inspirada. Nossa proposta foi testada na base de dados BraTS19 e os resultados mostram que o algoritmo de otimização Firefly é capaz de otimizar uma ponderação de segmentações para 1.54% melhor que o estado-da-arte, considerando a métrica MeanIoU.
DIÁRIO VIRTUAL:
(2023-06-13) MARCELLA COSTA MELO; MATEUS QUEIROZ DE FIGUEIREDO; MILENA TEIXEIRA CORREIA; YASMIN GOMES VITORINO ALVES
O presente trabalho tem como objetivo desenvolver um diário virtual que identifica sentimentos e emoções, utilizando processamento de linguagem natural, tendo como base textos escritos pelo paciente diariamente na aplicação, gerando como principal resultado a construção de relatórios onde são exibidos gráficos de oscilação de humor que mostram avanços e declínios nos sentimentos dos usuários. Para o desenvolvimento desse projeto, foi utilizado a biblioteca do ReactJS para o front-end e a linguagem Java para o back-end, desenvolvido em formato de API REST com utilização do framework Spring Boot. O sistema realiza integração com o serviço externo Natural Language Understanding, que é uma ferramenta desenvolvida pela IBM na qual utiliza Processamento de Linguagem Natural para realizar análises dos textos dos usuários. A partir dos dados das análises, os usuários podem criar relatórios para utilização pessoal. Após testes realizados na plataforma, os autores concluíram que a criação de diferentes tipos de relatórios com gráficos diversos utilizando os dados das análises do processamento de linguagem natural ajuda o usuário a acompanhar as alterações das suas emoções ao longo do tempo
DIMINUIÇÃO DE LATÊNCIA EM REDES 5G POR MEIO DE CLASSIFICAÇÃO DE TRÁFEGO
(2022-12-06) GUILHERME GOMES CHAGAS; LUCA MILLA MACHADO; MATHEUS LUIZ GONÇALVES PELICER; THIAGO SOARES CARDOSO DA SILVA
Com os recentes avanços na adoção de veículos autônomos e de cidades inteligentes em redes 5G, resolver o problema de alta latência em ambientes urbanos passou a ser uma grande prioridade para que a implementação desses serviços se torne algo viável. Um dos maiores causadores da alta latência é a disputa por largura de banda e recursos de processamento pelos usuários. Especificamente, em redes 5G, o processamento dos sinais de rádio e das aplicações geradas pelos usuários devem ser transmitidas até um nó de processamento em névoa computacional para serem atendidas. Dependendo da distância desse nó de processamento dos elementos móveis a latência pode ser maior ou menor, além disso quanto mais processamento for centralizado em um único nó maior será a latência experimentada pelos usuários. Então, o presente trabalho explora o uso de algoritmos de agrupamento e de alocação de recursos para alocar o processamento de dispositivos móveis em nós que possam prover a melhor latência possível. A metodologia deste trabalho está subdividida em 3 etapas, sendo elas: i) Criação da carga de trabalho, ii) Agrupamento dos dispositivos da carga de trabalho, iii) Alocação dos grupos. Na primeira etapa foi criada a carga de trabalho utilizada, baseada na distribuição normal da soma capacidade máxima dos nós de processamento do modelo proposto. Na segunda etapa são utilizados 2 algoritmos de agrupamentos: K-Means e Ward Hierarchical Clustering sob a carga de trabalho criada na etapa anterior. Na terceira etapa, foram utilizados 4 métodos de alocação, sendo elas: definidas por prioridade, névoa primeiro, utilizando apenas processamento em nuvem e utilizando apenas processamento em nuvem. As principais contribuições deste trabalho foram: a confirmação de que a classificação de tráfego pode sim gerar uma redução na latência das aplicações e o melhor método para realizar essa alocação seria alocá-las na névoa e fazer a transferência dos dispositivos não prioritários para a nuvem quando a capacidade máxima da névoa for alcançada.

Navegar

Navegando Trabalhos de Conclusão de Curso por Título

Resultados por página

Opções de Ordenação