Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
12 resultados
Resultados da Pesquisa
Agora exibindo 1 - 10 de 12
Trabalho de Conclusão de Curso UMA METODOLOGIA PARA RECONSTRUÇÃO 3D DE IMAGENS MÉDICAS BASEADA EM ALGORITMOS BIO-INSPIRADOS E APRENDIZAGEM PROFUNDA(2022-12-06) ANTONIO GUSTAVO MUNIZ DA SILVA; GABRIEL BUENO VILA REAL DE OLIVEIRA; HENRIQUE VITAL CARVALHO; JOÃO VITOR DIAS DOS SANTOS; WEVERSON DA SILVA PEREIRAOs pontos fiduciais cefalométricos, estruturas anatômicas que definem a anatomia craniana, são frequentemente utilizados em técnicas empregadas por áreas como a da saúde, no planejamento cirúrgico (Gsaxner et al. (2019) e Jo et al. (2021)), e da ciência forense, para a identificação de correspondência craniofacial (Álvarez et al. (2018), Valsecchi, Damas e Cordon (2018) e Tan et al. (2020)). Entretanto, um importante desafio que ainda perdura na aplicação deste procedimento refere-se à dependência de profissionais especializados para identificação e definição de tais pontos. Para estimar esses pontos de forma automática, alguns trabalhos relevantes da literatura científica propõem o uso de algoritmos convencionais de classificação e regressão (Dabbah et al. (2014) e Wang et al. (2016)), porém novas abordagens utilizando redes neurais convolucionais têm sido propostas (Arik, Ibragimov e Xing (2017), Ma et al. (2020) e Kim et al. (2021)). Outro desafio é a reconstrução 3D de órgãos, que necessita ser extraída de imagens médicas segmentadas de forma precisa, de modo que os pontos fiduciais encontrados sejam localizados de forma correta. Para realizar essa segmentação, o uso de algoritmos bio-inspirados tem sido proposto, por se mostrarem úteis para encontrar os melhores limiares de segmentação de maneira eficiente (Ewees et al. (2020), Guilherme Alberto Wachs Lopes et al. (2020) e Larabi-Marie-Sainte, Alskireen e Alhalawani (2021)). Desse modo, o presente trabalho propõe um método de visualização de modelos 3D do crânio rotulado com pontos fiduciais cefalométricos. Esta abordagem consiste no uso de redes neurais convolucionais para a identificação automática de pontos fiduciais cefalométricos, assim como na utilização de algoritmos bio-inspirados na segmentação de imagens de Tomografia Computadorizada (TC) para reconstrução do modelo tridimensional. Após a realização dos experimentos, a arquitetura da rede neural proposta no presente trabalho atingiu uma média de distância euclidiana de 45.04 mm entre os pontos preditos e originais, superando a assertividade de predição dos pontos fiduciais cefalométricos de trabalhos relevantes da literatura. Além disso, foi possível concluir que o melhor algoritmo bio-inspirado para segmentação de imagens médicas foi o Elephant Herd Optimization (EHO), pois atingiu a melhor precisão em 27% das execuções quando comparado com os algoritmos Firefly Algorithm (FFA), Cuckoo Search (CS), Krill Herd (KH) e Colônia Artificial de Abelhas (ABC).Trabalho de Conclusão de Curso DR. ALEX:(2022-06-13) ANDY SILVA BARBOSA ; RAFAEL ZACARIAS PALIERINI; RUBENS DE ARAUJO R MENDES ; VITOR ACOSTA DA ROSAO problema de quedas em hospitais sempre foi uma preocupação recorrente, sendo a queda responsável por uma parcela significante de internações. Paralelamente, o processamento de linguagem natural (NLP) tem-se desenvolvido significantemente na década recente, permitindo o surgimentos de agentes inteligentes capazes de reproduzir diálogos humanos. Como consequência do crescimento de pacientes buscando informações médicas em redes sociais, que não possuem necessariamente origem de agentes da saúde, este trabalho propôs implementar uma metodologia para a construção de um agente interativo-virtual inteligente, batizado neste trabalho de Dr. Alex, para previsão de risco de queda de pacientes e auxilia-los em ambientes médico-hospitalar. O agente foi composto por três módulos. No primeiro módulo, são utilizados algoritmos de detecção de pose e comparados como desempenham na tarefa de prevenção de queda através de informações de uma câmera. Os algoritmos multilayer perceptron (MLP), máquina de vetores de suporte (SVM) e Extreme Gradient Boosting (XGBoost) foram utilizados para classificar os conteúdos de duas bases de dados para estimar uma probabilidade de queda sobre as informações clínicas e não-clínicas no segundo módulo. O terceiro módulo utilizou NLP com a rede BERT, que foi treinada com uma base de diálogos médicos, para compreender falas do paciente e gerar diálogos de recomendações sobre os seus cuidados. A metodologia combina esses três módulos para formar o agente inteligente Dr.Alex. Os resultados para as informações visuais mostraram que a previsibilidade de risco de queda pode ser melhorada em até 6.44% em casos onde o paciente sentando, observado por um ângulo frontal, e suas informações clínicas e não clínicas estão com probabilidade alta desse risco, na faixa de até 100%. O algoritmo XGBoost obteve 82,60% de acurácia para a base de pacientes com diabetes e se destacou obtendo 85,86% na base de prevenção de risco de queda para idosos, o que demonstra que é possível fornecer uma boa estimativa do risco de queda de um paciente através do aprendizado de máquina. Da mesma forma, o modelo desenvolvido para NLP Hospitalar, quando refinado em bases de diálogos médicos, obteve a perplexidade de 12.011 e mostrou-se capaz de fazer recomendações médicas gerais e responder perguntas e indicações dos pacientes hospitalizadosTrabalho de Conclusão de Curso METODOLOGIA PARA PREVENÇÃO E PREDIÇÃO DE QUEDAS DE PACIENTES INTERNADOS EM AMBIENTES HOSPITALARES(2021-12-17) GABRIEL P. DE SOUZA SPINARDI; KELVIN MOZART DE PAULA; LUCAS EDUARDO DA SILVA BISPO; VICTOR DE MORAES MILANIA monitoração de pacientes em estado de internação em ambientes hospitalares é fundamental para que o paciente, seja da rede pública ou privada, tenha o atendimento básico necessário para sua rápida recuperação. Muitas vezes, esta monitoração é realizada presencialmente por diversos membros da equipe médica de um hospital, onerando esses profissionais que poderiam estar realizando outras tarefas necessariamente presenciais, como realização de exames em massa ou até mesmo participando de campanhas de vacinação, utilizando como exemplo o cenário atual de pandemia que vivenciamos. Em cenários como este, o uso de tecnologias baratas e de fácil programação, como câmeras, modelo bayesiano para probabilidades e esqueletização para o corpo humano, podem ser atrativos para modernizar a estrutura de monitoração atualmente presente em hospitais e clínicas de reabilitação física, cruzando informações médicas já conhecidas com análise de cenas utilizando visão computacional, de modo a não apenas possibilitar um monitoramento de ações básicas do paciente, mas também realizar uma verificação de seus movimentos para definir um perfil comum e prevenir quedas nestes ambientes. Neste trabalho foi proposto um novo método capaz de entender um padrão de possíveis quedas, utilizando modelo bayesiano na probabilidade de uma queda, analisando as informações disponíveis pelo hospital dos seus pacientes e analisando movimentos através das posturas obtendo 17 pontos do esqueleto humano.Como resultado, foi possível estimar a probabilidade de risco de queda de pacientes que já possuíam algum histórico de queda, tendo casos onde o nível de assertividade de predição pode chegar até 90,7% conforme o movimento que está sendo realizado. Foram também gerados dados gráficos importantes capazes de identificar o movimento que está sendo realizado, utilizando ferramentas de detecção de pontos-chave semânticos do corpo humano capazes de obter uma precisão de até 83,0% no nível de detecção do corpo humanoTrabalho de Conclusão de Curso 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 MALUFExames 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.Trabalho de Conclusão de Curso ALGORITMOS BIO-INSPIRADOS APLICADOS À ANÁLISE GRÁFICA EM DAY TRADE DE STOCK MARKET(2021-06-18) LUCA LENZARINI SILVA; MICHEL KRAHENBUHL BERNILSA 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.Trabalho de Conclusão de Curso UMA METODOLOGIA PARA RECONSTRUÇÃO 3D DE IMAGENS PULMONARES PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO DE COVID-19(2021-06-18) GUILHERME HENRIQUE MOREIRA; GUSTAVO ARAÚJO QUEIROZ; VICTOR ANTONIO SILVA DE QUEIROGA; WILLIAM GABRIEL BARBOSAA pandemia causada pelo COVID-19 é um dos maiores problemas atualmente enfren- tados pela humanidade, tendo poucos estudos sobre o vírus por ser um problema totalmente inesperado. Visto que o vírus ataca principalmente o pulmão, diversos diagnósticos médicos são feitos por tomografia pulmonar. Embora a reconstrução 3D de órgãos anatômicos seja possível atualmente e é uma solução que acelera o processo de diagnóstico, para o caso espe- cífico de tomografias com COVID-19, há na literatura poucos trabalhos divulgados. Apesar de os avanços da tecnologia terem obtido bons resultados em termos de qualidade de exame, a reconstrução 3D ainda é a melhor opção, uma vez que mostra detalhes não perceptíveis nas imagens 2D, auxiliando o diagnóstico médico. O presente trabalho apresenta uma metodologia para auxiliar o diagnóstico médico, utilizando novas técnicas de segmentação de imagens, para a reconstrução pulmonar 3D com esse tipo de patologia. Desta forma, neste projeto, com um exame mais detalhado, alcançou-se diagnósticos médicos mais precisos, fazendo com que o tratamento possa ser mais rápido e eficiente. Após a realização dos experimentos feitos neste trabalho, concluiu-se que a rede neural artificial alcançou uma melhor precisão na acurácia, em comparação com trabalhos do estado-da-arte, quando treinamento da rede foi realizado com as imagens tomográficas sem nenhum tipo de ruído ou aplicação de máscara, além da remoção de imagens com sinalizações na base de dados. Assim, foi obtido melhores resultados no treina- mento da rede. Tendo em vista os testes de performance, alcançou-se uma acurácia de 88,2% e 96,1% em termos de área sob a curva ROC. Na reconstrução 3D, foi possível concluir que, quando é vista a tomografia em uma malha 3D, torna-se mais prática a análise médica completa de um pulmão se comparado a uma imagem 2D, além de ampliar as noções de profundidade e comprimento, possibilitando a análise de diferentes ângulos e distâncias.Trabalho de Conclusão de Curso VMPD (VEHICLE MANEUVER PATTERN DETECTION):(2020-06-17) GUILHERME COELHO SMALL ZICARI; NATHÁLIA CÂNDIDO; TIAGO COSTA ARRAZI; RAFAEL SILVA MOREIRAUm dos grandes problemas das sociedades atuais é o elevado crescimento da população, e consequentemente de veículos automotivos. Esse crescimento implica na elevação da com- plexidade do trânsito, no qual a quantidade de elementos em que deve se manter o foco é cada vez maior. Dada esta complexidade florescente, a probabilidade de acidentes devido a erros de julgamento cometidos por condutores, assim como a dificuldade de fiscalização pelas autorida- des, crescem. Este estudo tem como objetivo realizar a detecção de manobras que ocorrem ao redor do veículo o qual o motorista ocupa, o veículo-base. O sistema proposto baseia-se em técnicas de visão computacional, aprendizado de máquina e séries temporais. Com o objetivo de capturar uma visão mais ampla, são utilizadas câmeras que abrangem diferentes perspecti- vas a partir do veículo-base. Informações de interesse são extraídas e transformadas em séries temporais, posteriormente analisadas por uma rede neural, classificando manobras detectadas. Dada esta classificação, a metodologia se prova útil para a detecção de perigos e pontos de inte- resse realizada em sistemas de direção semiautônomos, ou mesmo a identificação de condução perigosa para a educação no trânsito. Até onde se sabe, este problema não foi abordado sob a perspectiva de primeira pessoa. Os resultados obtidos são promissores, com a menor acurácia média de 83,92% entre todas as validações. Individualmente, os resultados utilizando a valida- ção cruzada por K-Fold atingiram uma acurácia média de 99,63% e a validação cruzada manual não enviesada, 90,88%.Trabalho de Conclusão de Curso GERAÇÃO DE IMAGEM A PARTIR DE SENTENÇA DESCRITIVA(2020-06-17) AUGUSTO TUROLLA; MATEUS DAVI SILVA; IGOR DO NASCIMENTO ALVES; ALEXANDRE KENJY DE SIQUEIRA KUMAGAICom o avanço tecnológico, sobretudo nas áreas de Inteligência Artificial(IA), Processa- mento de Linguagem Natural(PLN) e Aprendizado Profundo existem expectativas promissoras para futuras tarefas que a computação possivelmente será capaz de realizar. Muitos trabalhos realizados ao longo desta década tem utilizado redes neurais para resolver problemas que po- dem ser solucionados seguindo as técnicas de IA, tendo alcançado excelentes avanços na área. Um destes problemas é o da capacidade da computação de ilustrar contextos diversos. Alguns exemplos deste problema estão relacionados à indústria da literatura, cinematografia e de jogos ou de criar cenas para áreas comercial e publicitária. Avanços significativos que surgiram no campo das redes neurais e PLN são os assistentes pessoais que estão cada vez mais presentes no nosso cotidiano. Neste trabalho, é proposto um modelo capaz de gerar imagens a partir de sentenças textuais. Para construir o modelo é utilizada uma rede neural para gerar imagens, cha- mada de rede generativa adversarial(GAN), que foi treinada utilizando o dataset MS COCO, que são bases de dados de imagem e meta-dados que descrevem os objetos e cenários contidos nas imagens, e funções de ativação diferentes das utilizadas habitualmente, com o objetivo de superar o estado da arte. As contribuições são: (i) Um estudo sobre a influência da aplicação das diferentes funções de ativação sobre o modelo generativo adversarial; (ii) um modelo pré- treinado de Redes Neurais Generativas Adversariais, para gerar imagens de ambientes urbanos artificiais através de sentenças descritivas de cenas urbanas; e (iii) a disponibilização de um da- taset para treinamentos com modelos urbanos. O projeto obteve sucesso em gerar imagens que se assemelham ao contexto urbano apresentando uma assertividade de 27% através da função ReLU como ativadora da rede neural. Em conjunto, é apresentado também uma comparação da geração de imagens urbanas e outro tipo de imagens a partir de um espaço amostral com menor riqueza de detalhes, como flores.- UM MODELO BASEADO EM APRENDIZADO INFINITO PARA AUXÍLIO AO DIAGNÓSTICO E À REDUÇÃO DO ERRO MÉDICO(2020-06-17) GIOVANE JOSE FERNANDES; GUILHERME CANDOTTA SILVA; MATHEUS BARROSO VALENTIM SANTOS; RINALDO DE OLIVEIRA JUNIORCom o avanço das novas tecnologias, principalmente na área da computação, muitos novos sistemas estão sendo desenvolvidos. Os sistemas baseados em Inteligência Artificial e Ciência de Dados tem acompanhado essa evolução. Nas últimas décadas, a medicina se be- neficiou desses avanços tecnológicos em diversos aspectos. Um exemplo são os sistemas de recomendação, que têm evoluído principalmente nas áreas cinematográfica e varejista, tendo também sido desenvolvidos para a medicina como sistemas CAD (Computer Aided Diagnosis), com o objetivo de auxiliar os profissionais da saúde em vários tipos de tomadas de decisão, como em fases pré-operatórias, intra-operatórias e pós-cirurgia. Entretanto, esse tipo de sis- tema ainda demanda maior desenvolvimento, em especial aqueles dependentes de aprendizado de máquina supervisionado e bases de dados, que por vezes são raras e indisponíveis para o desenvolvimento. Assim, o projeto aqui proposto apresenta uma metodologia computacional para auxiliar no processo de diagnóstico e na diminuição de erros médicos, tentando contornar a questão da escassez de base de dados para treinamento do sistema, por meio do aprendizado in- finito e contínuo. Os resultados obtidos comprovam a eficácia do sistema proposto na realização de diagnósticos médicos para patologias de cardiopatia congênita e doenças cardiovasculares, visto que ao utilizar o método de validação RNA com 4 camadas e 16 neurônios, os testes al- cançaram uma acurácia de 72% na realização do diagnóstico. Ainda, os resultados evidenciam que a constante realimentação faz com que o sistema melhore sua performance
- UM MODELO DE NAVEGAÇÃO PARA ROBÔS AUTÔNOMOS EM AMBIENTES INTERNOS(2020-06-17) FELIPE MESSIAS DO LAGO; GUSTAVO VINICIUS RODRIGUES CONCEIÇÃO; LINCOLN CÉSAR GONÇALVES DIAS; PEDRO HENRIQUE INDALÉCIO SCHIAVOM; RAFAEL DA SILVAUma das tecnologias utilizadas dentro de fábricas são os chamados Autonomous Guided Vehicles (AGV’s). Os AGV’s são robôs que geralmente são utilizados como parte essencial da logística de uma empresa, uma vez que com eles é possível transportar peças de forma autônoma. Tradicionalmente, essa tarefa é realizada através de sensores e faixas fixas no caminho, que os AGV’s utilizam para navegar de um ponto a outro. O trabalho apresenta uma implementação de uma metodologia com foco em AGV’s autônomos, que não dependem de faixas para guiá-los. Para isso, serão utilizados os algoritmos de SLAM, sensor Lidar e o AMCL contido no ROS (coleção de frameworks de software para desenvolvimento de robôs). O SLAM, para a criação do mapa de um ambiente. O sensor Lidar, para verificar as distâncias entre o robo e os objetos em sua frente. E por ultimo, o algoritimo AMCL para a localização do robo dentro do ambiente. Ao final do projeto, será apresentada uma implementação em que o AGV seja capaz de criar um mapa de ambiente, propor uma trajetória de um ponto ao outro, seguir a trajetória criada, caso detecte um obstáculo como uma pessoa ou um cone, o AGV deve ser capaz de detectá-lo, desviar e, por fim, seguir o caminho planejado.