| Preditor Híbrido de Estruturas Terciárias de Proteínas |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
10/08/2023 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Telma Woerle de Lima Soares
|
| Coorientador(es) |
|
| Orientando(s) |
- Alexandre Barbosa de Almeida
|
| Banca |
|
| Resumo |
|
|
| Investigation of machine learning techniques to aid in the diagnosis of neurodegenerative diseases |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
20/03/2023 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Hugo Alexandre Dantas do Nascimento
|
| Coorientador(es) |
- Nilza Nascimento Guimarães
|
| Orientando(s) |
|
| Banca |
- Hugo Alexandre Dantas do Nascimento
- Nilza Nascimento Guimarães
- Renato de Freitas Bulcão Neto
- Rogerio Lopes Salvini
- Ronaldo Martins da Costa
- Sérgio Teixeira De Carvalho
|
| Resumo |
Doenças neurodegenerativas (DND), como a Doença de Parkinson (DP), Doença de Huntington (DH) e Esclerose Lateral Amiotrófica (ELA) causam, entre outros sintomas, movimentos involuntários, fraqueza muscular e dificuldade em manter uma marcha estável. Em estágios avançados, essas doenças podem levar à morte. As DNDs não têm cura e diagnosticá-las é uma tarefa difícil porque muitas delas não possuem um único teste definitivo que permita confirmar a doença. Um diagnóstico precoce é ainda mais complexo dada a presença de sintomas comuns a muitas outras doenças, o que posterga intervenções precoces de tratamento e favorece a progressão dos processos degenerativos. Nesta tese, investigamos o uso de técnicas de aprendizado de máquina para auxiliar no diagnóstico e diferenciação de pacientes com DP, DH, ELA e indivíduos saudáveis a partir da marcha. Métodos computacionais alternativos, rápidos, e de baixo custo, são propostos para auxiliar nesta tarefa. Os métodos propostos inovam ao investigar, pela primeira vez na literatura, características obtidas a partir da distorção harmônica da série da marcha, além de prover uma análise detalhada do efeito dos parâmetros da marcha para a classificação desses sinais. Além disso, uma abordagem inovadora é proposta para priorizar os pacientes, reduzindo a quantidade de esforço físico necessário para o exame. Assim, propomos e investigamos a viabilidade de adotar intervalos de caminhada mais curtos, como um único minuto de caminhada, tendo em vista que pacientes com DNNs podem ter dificuldades em caminhar continuamente, mesmo por curtos períodos de tempo, e durante os estágios iniciais da doença. Os métodos propostos são validados com bases de dados públicas de marcha, coletadas por meio de sensores de força alocados nos pés de pessoas com DP, DH, ELA, e também de indivíduos saudáveis durante uma caminhada livre. Os resultados são comparados a estudos de estado da arte, e é possível observar a eficácia e eficiência dos métodos propostos, confirmando seu potencial para auxiliar no diagnóstico de DNDs e serem explorados na prática. |
|
| Correspondência de Pontos em Formas 3D Baseada em Aprendizagem Profunda Multivisão |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
23/12/2022 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Afonso Paiva Neto
- Douglas Cedrim Oliveira
- Eraldo Luis Rezende Fernandes
- Hemerson Pistori
- Paulo Aristarco Pagliosa
- Renato Porfirio Ishii
- Thales Miranda de Almeida Vieira
- Thiago Oliveira dos Santos
|
| Resumo |
Na área de processamento geométrico, diversas técnicas propostas na literatura
requerem que sejam estabelecidos pares de pontos de correspondência entre duas ou
mais superfícies, isto é, dado um ponto sobre uma superfície fonte, é preciso associar
qual é o ponto sobre uma superfície alvo que corresponde ao ponto dado. As aplicações
incluem reconstrução de superfícies, parametrização cruzada, transferência de pose,
transferência de texturas ou animações, reconhecimento e busca de formas, entre outras. A definição de uma função de mapeamento entre duas formas, mesmo para um número discreto de pontos característicos, nem sempre envolve somente relações geométricas ou estruturais, mas também relações semânticas. Uma vez que tal mapeamento em geral não pode ser diretamente expresso por abordagens puramente axiomáticas, em vários métodos de processamento geométrico a indicação de um conjunto inicial de pontos de correspondência é efetuada manualmente, através de processos que podem ser laboriosos e sujeitos a erros. De fato, descobrir relações semânticas entre formas quaisquer sem qualquer interação do usuário tratava-se de um problema ainda em aberto. Modelos de aprendizagem de máquina, em especial aprendizagem profunda, têm evoluído por sua capacidade de utilizar grandes conjuntos de dados para estimar a solução de problemas em diversas áreas do conhecimento, inclusive processamento geométrico. Este trabalho apresenta um método que utiliza aprendizagem multivisão profunda como parte do processamento responsável por encontrar automaticamente, isto é, sem a intervenção direta do usuário, pontos de correspondência entre superfícies de formas 3D, representadas por malhas de triângulos. O método é dividido em dois componentes: treinamento e correspondência. O primeiro trata-se de um treinamento multivisão que aprende, com o auxílio de uma CNN, a detectar pontos de interesse em imagens 2D oriundas de malhas de triângulos dos conjuntos de treinamento. O último, utiliza o resultado do treinamento para inferir correspondências semânticas com pontos de interesse (vértices) em formas 3D. A descoberta desses pontos não requer novo treinamento e nem interação humana durante o pipeline de correspondência. |
|
| Correspondência de Pontos em Formas 3D Baseada em Aprendizagem Profunda Multivisão |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
23/12/2022 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
- Eraldo Luis Rezende Fernandes
|
| Orientando(s) |
- Alexandre Soares da Silva
|
| Banca |
- Afonso Paiva Neto
- Douglas Cedrim Oliveira
- Eraldo Luis Rezende Fernandes
- Hemerson Pistori
- Paulo Aristarco Pagliosa
- Renato Porfirio Ishii
- Thales Miranda de Almeida Vieira
- Thiago Oliveira dos Santos
|
| Resumo |
Na área de processamento geométrico, diversas técnicas propostas na literatura requerem que sejam estabelecidos pares de pontos de correspondência entre duas ou mais superfícies, isto é, dado um ponto sobre uma superfície fonte, é preciso associar qual é o ponto sobre uma superfície alvo que corresponde ao ponto dado. As aplicações incluem reconstrução de superfícies, parametrização cruzada, transferência de pose, transferência de texturas ou animações, reconhecimento e busca de formas, entre outras. A definição de uma função de mapeamento entre duas formas, mesmo para um número discreto de pontos característicos, nem sempre envolve somente relações geométricas ou estruturais, mas também relações semânticas. Uma vez que tal mapeamento em geral não pode ser diretamente expresso por abordagens puramente axiomáticas, em vários métodos de processamento geométrico a indicação de um conjunto inicial de pontos de correspondência é efetuada manualmente, através de processos que podem ser laboriosos e sujeitos a erros. De fato, descobrir relações semânticas entre formas quaisquer sem qualquer interação do usuário tratava-se de um problema ainda em aberto. Modelos de aprendizagem de máquina, em especial aprendizagem profunda, têm evoluído por sua capacidade de utilizar grandes conjuntos de dados para estimar a solução de problemas em diversas áreas do conhecimento, inclusive processamento geométrico. Este trabalho apresenta um método que utiliza aprendizagem multivisão profunda como parte do processamento responsável por encontrar automaticamente, isto é, sem a intervenção direta do usuário, pontos de correspondência entre superfícies de formas 3D, representadas por malhas de triângulos. O método é dividido em dois componentes: treinamento e correspondência. O primeiro trata-se de um treinamento multivisão que aprende, com o auxílio de uma CNN, a detectar pontos de interesse em imagens 2D oriundas de malhas de triângulos dos conjuntos de treinamento. O último, utiliza o resultado do treinamento para inferir correspondências semânticas com pontos de interesse (vértices) em formas 3D. A descoberta desses pontos não requer novo treinamento e nem interação humana durante o pipeline de correspondência. |
| Download |
|
|
| Acelerando Florestas de Decisão Paralelas em Processadores Gráficos para a Classificação de Texto |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
12/09/2022 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Wellington Santos Martins
|
| Coorientador(es) |
|
| Orientando(s) |
- Julio Cesar Batista Pires
|
| Banca |
- Fabrizzio Alphonsus Alves de Melo Nunes Soares
- Júnio César de Lima
- SÁVIO SALVARINO TELES DE OLIVEIRA
- Wellington Santos Martins
|
| Resumo |
|
| Download |
|
|
| Desenvolvimento e Avaliação de Métodos de Interação com Dispositivos e Ambientes Inteligentes Utilizando Smartwatches: Uma Abordagem com Reconhecimento Contínuo de Gestos |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
06/12/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Fabrizzio Alphonsus Alves de Melo Nunes Soares
|
| Coorientador(es) |
|
| Orientando(s) |
- Thamer Horbylon Nascimento
|
| Banca |
- Alexandre Cardoso
- Deborah Silva Alves Fernandes
- Fabrizzio Alphonsus Alves de Melo Nunes Soares
- Fátima de Lourdes dos Santos Nunes Marques
- Gélson da Cruz Júnior
- Renato de Freitas Bulcão Neto
- Ronaldo Martins da Costa
|
| Resumo |
|
| Download |
|
|
| String-Recommender: Combining temporal information with Collaborative Filtering using string-comparison measures |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
17/09/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Hugo Alexandre Dantas do Nascimento
|
| Coorientador(es) |
|
| Orientando(s) |
- Luiz Mário Lustosa Pascoal
|
| Banca |
- Anderson da Silva Soares
- Claudia Lage Rebello da Motta
- Gustavo Post Sabin
- Hugo Alexandre Dantas do Nascimento
- Sílvio César Cazella
- Telma Woerle de Lima Soares
- Thierson Couto Rosa
- Wellington Santos Martins
|
| Resumo |
|
| Download |
|
|
| Soluções de alto desempenho para a Ordenação Segmentada de Vetores e o Escalonamento de Tarefas |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
05/08/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Edson Borin
- Edson Norberto Caceres
- Henrique Mongelli
- Liana Dessandre Duenha Garanhani
- Nalvo Franco de Almeida Junior
- Philippe Olivier Alexandre Navaux
- Ronaldo Alves Ferreira
- Wellington Santos Martins
|
| Resumo |
O problema do escalonamento de tarefas consiste na distribuição de tarefas entre as máquinas disponíveis no ambiente. Uma das formas de resolver esse problema é usando a heurística min-min, que consegue resolvê-lo de forma rápida, ao mesmo tempo que entrega soluções eficientes. Neste trabalho, foram realizadas implementações da heurística min-min para o escalonamento de tarefas em múltiplas CPUs e uma implementação de mochila linear para o escalonamento de kernels em uma GPU. Além disso, essas duas estratégias foram unidas para resolver o escalonamento de kernels em múltiplas GPUs. O algoritmo mais eficiente da heurística min-min consiste em resolver o problema da ordenação segmentada de vetores. Dessa forma, foi realizado também um estudo sobre as implementações da ordenação segmentada existentes e comparadas com as novas sugeridas. Os estudos de escalonamento foram realizados em ambientes reais de desenvolvimento, bem como, em ambientes simulados de computação em nuvem, usando os frameworks Cloudsim e GPUCloudsim. Os resultados mostraram que o uso de heurísticas, como o min-min, pode otimizar a utilização dos recursos nesses ambientes. |
| Download |
|
|
| Classificação de Tecidos Epiteliais Tumorais Empregando Imagens Hiperespectrais e Infravermelho de Ondas Curtas |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
04/08/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Aldo André Díaz Salazar
- Anderson da Silva Soares
- Arlindo Rodrigues Galvão Filho
- Clarimar José Coelho
- Fabrizzio Alphonsus Alves de Melo Nunes Soares
- Gustavo Teodoro Laureano
- Isabela Jubé Wastowski
- Rafael Viana de Carvalho
|
| Resumo |
|
| Download |
|
|
| Elementos de Contorno para Análise Isogeométrica de Sólidos Elásticos com Vincos |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
30/07/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Afonso Paiva Neto
- Anderson Vicoso de Araujo
- Fabiano Petronetto do Carmo
- Marcelo Ferreira Siqueira
- Marco Hiroshi Naka
- Paulo Aristarco Pagliosa
- Renato Porfirio Ishii
|
| Resumo |
O método dos elementos de contorno (MEC) é uma importante alternativa para solução numérica de diversos problemas derivados da mecânica do contínuo. Em mecânica dos sólidos, mais especificamente, o método é atrativo pois pode requerer somente uma discretização das superfícies dos corpos em análise, com consequente diminuição da dimensionalidade do sistema discreto. No contexto de análise isogeométrica (IGA), o MEC é ainda mais naturalmente atrativo, uma vez que a ideia da IGA é utilizar o modelo geométrico de um objeto - geralmente definido por retalhos de superfícies NURBS produzidos por uma ferramenta CAD - como o próprio modelo de análise, sem emprego de um processo particular de geração de malhas. Recentemente, vários trabalhos que comprovam a viabilidade da IGA podem ser encontrados na literatura. Contudo, ainda há uma série de limitações que impedem a utilização prática da IGA, decorrentes principalmente da dificuldade de imposição de condições de contorno não homogêneas.
Nesta tese, efetua-se um estudo dessas limitações e propõe-se uma solução baseada no MEC para análise isogeométrica de sólidos elásticos. O arcabouço resultante permite a modelagem de descontinuidades de forças de superfície através de elementos descontínuos e/ou nós múltiplos, sendo a multiplicidade de um nó dada por regiões da superfície delimitadas por curvas de vincos.
Os elementos de contorno são definidos como retalhos de Bézier associados às faces da malha elementar de uma superfície T-spline. T-splines foram empregadas no lugar de NURBS por permitirem malhas de pontos de controle não estruturadas com junções em T e pontos extraordinários, sem necessidade de curvas de recorte, mas qualquer representação da qual se possa extrair retalhos de Bézier pode ser adotada. Um procedimento de extração de Bézier para superfícies T-splines genéricas com vincos e um esquema robusto de integração numérica dos termos da equação integral de contorno são introduzidos. O arcabouço é implementado em C++. Um protótipo em MATLAB permite a seleção interativa de grupos de elementos para especificação de condições de contorno representando vínculos genéricos e carregamentos uniformemente distribuídos, pressões e torques, bem como a análise numérica e visualização dos resultados.
|
| Download |
|
|
| Framework conceitual para heurísticas modernas de busca: Uma abordagem utilizando teoria das topologias e hipergrafos |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
22/07/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Telma Woerle de Lima Soares
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Alexandre Cláudio Botazzo Delbem
- Anderson da Silva Soares
- Celso Gonçalves Camilo Junior
- Danilo Sipoli Sanches
- Fernando Marques Federson
- Hugo Alexandre Dantas do Nascimento
- Paulo Henrique Ribeiro Gabriel
- Telma Woerle de Lima Soares
|
| Resumo |
|
| Download |
|
|
| Graph to sequence syntactic pattern recognition for image classification problems |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
22/06/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Anderson Vicoso de Araujo
- Edson Takashi Matsubara
- Hemerson Pistori
- Marco Antonio Alvarez Vega
- Marco Hiroshi Naka
- Ronaldo Cristiano Prati
- Wesley Nunes Goncalves
- Willian Paraguassu Amorim
|
| Resumo |
Um interesse crescente na aplicação de modelos de Processamento de Linguagem Natural (PLN) em problemas de visão computacional tem emergido recentemente. Esse interesse é motivado pelo sucesso dos modelos de PLN em tarefas como tradução e sumarização de textos. Neste trabalho, um novo método para aplicação de PLN em problemas de classificação de imagens é proposto. O objetivo é representar os padrões visuais de objetos usando uma sequência de símbolos do alfabeto e, em seguida, treinar alguma forma de Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM) ou Transformer usando essas sequências para classificar objetos. A representação de padrões visuais de objetos de maneira sintática permite que os modelos PLN sejam aplicados a problemas de classificação de imagens de uma forma natural, ou seja, da mesma forma que são aplicados a problemas de linguagem natural. Duas abordagens de representação de padrões visuais de objetos de maneira sintática foram investigadas: representação usando pontos-chave e representação usando partes componentes de objetos. Na abordagem que usa pontos-chave, os pontos-chave são identificados nas imagens, associados a símbolos do alfabeto e, em seguida, relacionados usando um grafo para derivar sequências de símbolos das imagens. As sequências de símbolos são as entradas para treinar um codificador LSTM. Experimentos mostraram evidências de que a representação sintática de padrão pode representar variações visuais em imagens de superpixel capturadas por Veículos Aéreos não Tripulados, mesmo quando há um pequeno conjunto de imagens para treinamento. Na abordagem que usa partes componentes de objetos, as partes componentes são fornecidas por meio de caixas delimitadoras nas imagens. As partes componentes são associadas aos símbolos do alfabeto e relacionadas entre si para derivar uma sequência de símbolos do objeto para representar seu padrão visual. Então, alguma forma de GRU, LSTM ou Transformer são treinados para aprender a relação espacial entre as partes componentes dos objetos contidos nas sequências. Uma extensa avaliação experimental, usando um número limitado de amostras para treinamento, foi conduzida para comparar nosso método com a arquitetura de aprendizagem profunda ResNet-50. Os resultados alcançados pelo método proposto superam a ResNet-50 em todos os cenários de teste. Em um teste, o método apresenta acurácia média de 95,3% contra 89,9% da ResNet-50. Ambos os experimentos mostraram evidências de que a partir de um conjunto finito de estruturas primitivas é possível obter muitas variações no padrão visual do objeto mesmo quando há poucas amostras para treinamento. Além disso, os experimentos evidenciaram que os modelos PLN podem ser aplicados de forma natural a problemas de classificação de imagens em visão computacional. |
| Download |
|
|
| Operadores para Representações Baseadas em Codificação Nó-Profundidade em Algoritmos Evolutivos |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
16/03/2021 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Telma Woerle de Lima Soares
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Alexandre Cláudio Botazzo Delbem
- Anderson da Silva Soares
- Celso Gonçalves Camilo Junior
- Danilo Sipoli Sanches
- Hugo Alexandre Dantas do Nascimento
- João Bosco Augusto London Júnior
- Telma Woerle de Lima Soares
|
| Resumo |
As Representações Baseadas em Codificação Nó-Profundidade (RBNP) são representa-
ções para algoritmos evolutivos aplicados a problemas modelados por árvores armazenando os nós e suas respectivas profundidades em uma lista adequadamente ordenada.
Uma das representações desse tipo foi a Representação Nó-Profundidade-Grau, cujos
operadores de inicialização, mutação e recombinação possuem baixa complexidade de
tempo em relação a outras representações que tratam o mesmo tipo de problema presentes na literatura. Embora os operadores atuais tenham obtido bons resultados, é desejável
que existam operadores com características não atendidas por eles. Este trabalho propõe
um operador de inicialização de baixa complexidade de tempo e não tendencioso, mas que
permita a inclusão de tendência ou atenda a restrições do problema com facilidade. Um
operador de mutação também é proposto, possuindo como principal diferencial a possibilidade de incluir qualquer aresta na solução, possuindo alta localidade, sempre gerando
soluções factíveis e sem a necessidade de qualquer mecanismo de correção. Por fim, um
operador de recombinação é proposto, com a capacidade de gerar soluções com a má-
xima hereditariedade possível, podendo recombinar quaisquer soluções da população a
qualquer momento, com o objetivo de melhorar a convergência da busca. Todos os operadores propostos podem ser aplicados em qualquer RBNP e possibilitam tratar problemas
modelados por florestas com uma ou mais árvores. Este estudo analisou a redundância
das RBNP e também efetuou uma investigação sobre a tendência, localidade e hereditariedade dos operadores propostos, mostrando que eles possuem características adequadas
para tratar problemas de alta dimensionalidade. Para verificar a adequação dos operadores propostos, foi implementado o Algoritmo Evolutivo com Hereditariedade Máxima
e aplicado em testes empíricos em três diferentes problemas: Optimal Communication
Spanning Tree Problem, One Max Tree Problem e One Max Forest Problem. |
| Download |
|
|
| Balanceamento de dados com base em oversampling em dados transformados |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
17/08/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Ana Paula Cabral Seixas Costa
- Katia Kelvis Cassiano Lozano
- Leila Roling Scariot da Silva
- Nadia Felix Felipe da Silva
- Plinio de Sa Leitão Junior
- Rommel Melgaço Barbosa
- Ronaldo Martins da Costa
|
| Resumo |
|
| Download |
|
|
| Geração de sequências de teste a partir de Máquinas de Estados Finitos baseada em busca |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
14/07/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Telma Woerle de Lima Soares
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Adenilso da Silva Simão
- Alexandre Cláudio Botazzo Delbem
- Anderson da Silva Soares
- André Takeshi Endo
- Auri Marcelo Rizzo Vincenzi
- Celso Gonçalves Camilo Junior
- Fernando Marques Federson
- Telma Woerle de Lima Soares
|
| Resumo |
|
| Download |
|
|
| Classificação de cenas uƟlizando a análise da aleatoriedade por aproximação da complexidade de Kolmogorov |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
13/05/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
- Rafael Divino Ferreira Feitosa
|
| Banca |
- Alexandre Cláudio Botazzo Delbem
- Anderson da Silva Soares
- Fabrizzio Alphonsus Alves de Melo Nunes Soares
- Gustavo Teodoro Laureano
- Rommel Melgaço Barbosa
- Ronaldo Martins da Costa
|
| Resumo |
|
| Download |
|
|
| Predição de complicações em pacientes diabéticos utilizando dados transacionais de operadoras de planos de saúde |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
14/04/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
|
| Resumo |
O avanço da taxa de mortalidade e custos relacionados as doenças crônicas tem aumentado significativamente em uma escala global. São doenças cujo tratamento inclui mudan-
ças de hábitos e monitoramento constante por profissionais de saúde. A avaliação de risco
em pacientes crônicos é um elemento importante no cuidado preventivo, pois identifica
pacientes de alto risco futuro. A Inteligência Artificial vem sendo usada como ferramenta
para esse tipo de avaliação por meio de dados clínicos de Prontuário Eletrônico do Paciente (PEP). Devido a baixa adesão, falta de interoperabilidade e dificuldade de acesso ao
PEP este trabalho propõe o uso de dados transacionais de operadoras de planos de saúde
como alternativa para avaliação de crônicos. Para viabilizar a modelagem por meio desses dados este trabalho apresenta alguns métodos de aprendizado de representações com
redes neurais profundas (Deep Learning). Os métodos propostos são: uma representação
vetorial densa para códigos TUSS capaz de capturar relações e significados; um método
de representação de informação de datas em forma vetorial a fim de levar à compreensão
temporal a quaisquer modelos de Machine Learning e uma arquitetura de rede neural com
capacidade de processar sequências de dados transacionais para reconhecer padrões. Toda
a proposta foi avaliada em um estudo de caso na modelagem da diabetes para a predição
de complicações relacionadas a doença em duas operadoras. O desempenho obtido foi
uma AUC de 0;92 na predição de complicações com seis meses de antecedência. Por fim
foi realizada uma avaliação do risco calculado a fim de compreender o comportamento do
modelo. Foram encontradas relação de acordo com a literatura médica como o aumento
do risco com a idade. Algumas limitações foram encontradas na proposta, como a dificuldade em determinar quais indivíduos possuem condições crônicas devido à falta de
informações clínicas. A proposta vem apresentando êxito na identificação de indivíduos
de risco e no aprimoramento dos programas de monitoramento das operadoras, que já
utilizam regularmente a solução. |
|
| Predição de complicações em pacientes diabéticos utilizando dados transacionais de operadoras de planos de saúde |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
14/04/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
|
| Banca |
- Anderson da Silva Soares
- Arlindo Rodrigues Galvão Filho
- Edson Amaro Junior
- Gustavo Teodoro Laureano
- Marcos Ricardo Omena de Albuquerque Máximo
- Rogerio Lopes Salvini
- Ronaldo Martins da Costa
|
| Resumo |
O avanço da taxa de mortalidade e custos relacionados as doenças crônicas tem aumentado significativamente em uma escala global. São doenças cujo tratamento inclui mudan-
ças de hábitos e monitoramento constante por profissionais de saúde. A avaliação de risco
em pacientes crônicos é um elemento importante no cuidado preventivo, pois identifica
pacientes de alto risco futuro. A Inteligência Artificial vem sendo usada como ferramenta
para esse tipo de avaliação por meio de dados clínicos de Prontuário Eletrônico do Paciente (PEP). Devido a baixa adesão, falta de interoperabilidade e dificuldade de acesso ao
PEP este trabalho propõe o uso de dados transacionais de operadoras de planos de saúde
como alternativa para avaliação de crônicos. Para viabilizar a modelagem por meio desses dados este trabalho apresenta alguns métodos de aprendizado de representações com
redes neurais profundas (Deep Learning). Os métodos propostos são: uma representação
vetorial densa para códigos TUSS capaz de capturar relações e significados; um método
de representação de informação de datas em forma vetorial a fim de levar à compreensão
temporal a quaisquer modelos de Machine Learning e uma arquitetura de rede neural com
capacidade de processar sequências de dados transacionais para reconhecer padrões. Toda
a proposta foi avaliada em um estudo de caso na modelagem da diabetes para a predição
de complicações relacionadas a doença em duas operadoras. O desempenho obtido foi
uma AUC de 0;92 na predição de complicações com seis meses de antecedência. Por fim
foi realizada uma avaliação do risco calculado a fim de compreender o comportamento do
modelo. Foram encontradas relação de acordo com a literatura médica como o aumento
do risco com a idade. Algumas limitações foram encontradas na proposta, como a dificuldade em determinar quais indivíduos possuem condições crônicas devido à falta de
informações clínicas. A proposta vem apresentando êxito na identificação de indivíduos
de risco e no aprimoramento dos programas de monitoramento das operadoras, que já
utilizam regularmente a solução. |
| Download |
|
|
| Reconhecimento de Padrões por Processos Adaptavos de Compressão |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
02/03/2020 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
|
| Coorientador(es) |
|
| Orientando(s) |
- Adriano Soares de Oliveira Bailão
|
| Banca |
- Anderson da Silva Soares
- Cláudio Gottschalg Duque
- Francisco José Mônaco
- Nadia Felix Felipe da Silva
- Ronaldo Martins da Costa
|
| Resumo |
A compressão de dados é um processo amplamente utilizado pela indústria no armazenamento e transporte de informações sendo aplicada a uma variedade de domínios como
texto, imagem, áudio e vídeo. Os processos de compressão constituem-se em um conjunto de operações matemáticas que visam representar cada amostra de dados na forma
comprimida, ou com menor tamanho. Técnicas de reconhecimento de padrões podem
utilizar propriedades e métricas de compressão para conceber modelos de aprendizado de
máquina a partir de algoritmos adaptativos que representam as amostras na forma comprimida. Uma vantagem dos modelos de compressão adaptativos, é que dispõem de técnicas
de redução de dimensionalidade decorrentes das propriedades de compressão. Essa tese
propõe um modelo de aprendizado não-supervisionado geral (para diversos domínios de
problema e diferentes tipos de dados), que reúne as estratégias adaptativas de compressão
em duas fases : a granulação, responsável pela percepção e representação do conhecimento necessário para resolver um problema de generalização, e a fase de codificação,
responsável pela estruturação do raciocínio do modelo, a partir da representação e organização dos objetos do problema. O raciocínio expresso pelo modelo denota a capacidade
de generalização dos objetos de dados no contexto geral. Métodos genéricos, baseados
em compactadores (sem perda de informação), carecem de capacidade de generalização
para alguns tipos de objetos de dados, sendo, nessa tese, utilizadas também, técnicas de
compressão, com perdas, visando contornar o problema e aumentar a capacidade de generalização do modelo. Resultados demonstram que a utilização de técnicas e métricas
baseadas em compressão adaptativa produzem uma boa aproximação das amostras de dados originais em fontes de dados com alta dimensionalidade. Testes apontam para bons
modelos de aprendizado de máquina com boa capacidade de generalização derivados da
abordagem baseada na redução de dimensionalidade oferecida por processos adaptativos
de compressão. |
| Download |
|
|
| Algoritmos e heurísticas para a busca de regiões genômicas de interesse |
|
| Curso |
Doutorado em Ciência da Computação |
| Tipo |
Tese |
| Data |
19/12/2019 |
| Área |
CIÊNCIA DA COMPUTAÇÃO |
| Orientador(es) |
- Nalvo Franco de Almeida Junior
|
| Coorientador(es) |
|
| Orientando(s) |
- Deiviston da Silva Aguena
|
| Banca |
- Edson Norberto Caceres
- Graziela Santos de Araujo
- Henrique Mongelli
- Leandro Márcio Moreira
- Marcelo Henriques de Carvalho
- Nalvo Franco de Almeida Junior
- Said Sadique Adi
|
| Resumo |
|
|