PPGCC - Programa de Pós-graduação em Ciência da Computação

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/596

Navegar

Resultados da Pesquisa

Agora exibindo 1 - 10 de 153
  • Imagem de Miniatura
    Item
    Contributions to automating the analysis of conventional Pap smears.
    (2023) Diniz, Débora Nasser; Souza, Marcone Jamilson Freitas; Bianchi, Andrea Gomes Campos; Souza, Marcone Jamilson Freitas; Bianchi, Andrea Gomes Campos; Carneiro, Cláudia Martins; Luz, Eduardo José da Silva; Pessin, Gustavo; Souza, Jefferson Rodrigo de; Veras, Rodrigo de Melo Souza
    This thesis, organized as a compilation of articles, develops and presents contri- butions to the automated analysis of conventional Pap smear slides. A conventional Pap smear slide is a sample of cervical cells collected and prepared on a glass slide for subsequent cytopathological analysis. The main contributions are to detect and classify cervical cell nuclei to develop a decision support tool for cytopathologists. The first arti- cle resulting from this research utilizes a hierarchical methodology using Random Forest for the nucleus classification of the Herlev and Center for Recognition and Inspection of Cells (CRIC) Searchable Image Database databases based on 232 handcrafted fea- tures. In this article, we investigate balancing techniques, perform statistical analyses using Shapiro-Wilk and Kruskal-Wallis tests, and introduce the CRIC Searchable Image Database segmentation base. Our result defined the state-of-the-art in five metrics for nucleus classification in five and seven classes and the state-of-the-art in precision and F1-score for two-class classification. The second article introduces a method for nu- cleus detection in synthetic Pap smear images from the Overlapping Cervical Cytology Image Segmentation Challenge dataset proposed at the 11th International Symposium on Biomedical Imaging (ISBI’14). In this second article, we investigate clustering al- gorithms for image segmentation. We also explore four traditional machine learning techniques (Decision Tree (DT), Nearest Centroid (NC), k-Nearest Neighbors (k-NN), and Multi-layer Perceptron (MLP)) for classification and propose an ensemble method using DT, NC, and k-NN. Our result defined the state-of-the-art recall using this dataset. The third article proposes an ensemble method using EfficientNets B1, B2, and B6 to classify images from the CRIC Searchable Image Database dataset. Here, we investigate ten neural network architectures to choose those used in the ensemble method and present a data augmentation methodology using image transformation techniques. Our result de- fined the five state-of-the-art metrics for nucleus classification in two and three classes. Furthermore, we introduce results for six-class classification. Lastly, the fourth article introduces the Cytopathologist Eye Assistant (CEA), an intuitive and user-friendly tool that uses deep learning to detect and classify cervical cells in Pap smear images, support- ing cytopathologists in providing diagnoses. We investigate You Only Look Once (YOLO) v5 and YOLOR for performing both tasks (detection and classification) and also explore the combination of using YOLOv5 for detection and the ensemble of EfficientNets from the third article for classification. The article explores data balancing techniques, under- sampling, and oversampling using Python’s Clodsa library. The CRIC Cervix database was used for tool evaluation, considering four scenarios: original images, resized im- ages, augmented resized images, and balanced resized images. The application of CEA was validated by specialists with years of experience in cytopathology, highlighting the tool’s ease of use and potential to address specific queries.
  • Imagem de Miniatura
    Item
    Wearable edge AI towards cyber-physical applications.
    (2023) Silva, Mateus Coelho; Oliveira, Ricardo Augusto Rabelo; Ribeiro, Sérvio Pontes; Bianchi, Andrea Gomes Campos; Oliveira, Ricardo Augusto Rabelo; Teixeira, Fernando Augusto; Silva, Jorge Miguel Sá; Correia, Luiz Henrique Andrade; Silva, Saul Emanuel Delabrida; Amorim, Vicente José Peixoto de
    The creation of novel technologies to support field work and research has a major impact from technologies such as the Internet of Things (IoT), Edge Computing and wearable computing. In this context, Artificial-Intelligence-based systems became more common and a trend in recent work. Environments with low connectivity and high latency in data transmission enforce the usage of Edge Computing technologies in the treatment of acquired data. Nonetheless, there is no clarity in how to transport Artificial Intelligence (AI) to Edge Computing in extreme environments, given the complexity of the requirements. This gap is more clear in the context of wearable computing, where the systems restrictions for developing systems are even harder. Thus, this work presents a protocol for developing Edge AI appliances and some case-study applications in the context of wearable devices. This study helps to evaluate the creation of Wearable Edge AI context as a novel research field.
  • Imagem de Miniatura
    Item
    Self-supervised learning for arrhythmia classification.
    (2023) Silva, Guilherme Augusto Lopes; Luz, Eduardo José da Silva; Silva, Pedro Henrique Lopes; Luz, Eduardo José da Silva; Silva, Pedro Henrique Lopes; Freitas, Vander Luis de Souza; Meneghini, Ivan Reinaldo
    Arrhythmias, heart diseases that are commonly diagnosed through electrocar- diograms (ECG), require computational methods for detection and classification to improve the physician’s diagnosis. Although there is abundant literature on the subject, the high intra-patient variability and noise of ECG signals pose challenges in developing practical machine-learning models. To address this, we propose a cus- tomized adjustment of machine learning models through self-supervised learning with human-in-the-loop. Our approach introduces a pretext task called ECGWavePuzzle, which improves classification performance through better generalization. Evaluation metrics on the MIT-BIH database demonstrate the effectiveness of our approach, which improved the ECGnet global accuracy by over 10% and the Mousavi’s CNN by over 13%. Additionally, the experimental results demonstrated that the proposed approach improved the sensitivity and positive predictive value of the arrhythmic classes for certain patients.
  • Imagem de Miniatura
    Item
    Computational techniques to find and suppress bone from chest radiological images.
    (2023) Ziviani, Hugo Eduardo; Cámara Chávez, Guillermo; Silva, Mateus Coelho; Cámara Chávez, Guillermo; Queiroz, Rafael Alves Bonfim de; Oliveira, Thiago Eustaquio Alves de; Silva, Mateus Coelho
    The proposal of this work is to propose bone suppression techniques in chest images. The most common, but inaccessible, way is through Dual Energy Subtraction (DES). This the technique requires specific hardware to generate and receive di erent energy levels capable of di erentiating materials by atomic number. This work uses GAN to perform bone suppression on X-ray images and aimed to evaluate the performance of the cGAN, train a model to locate the thoracic box, and assess two di erent training techniques for boneless image translation. Based on deep learning the main contribution of this work is to improve the bone shadow elimination delimiting the learning region of the Deep Learning (DL) model. By the contextualization of the bones region, was possible present a metric that measures the model accuracy in an interested region. With this study was possible a more precise metric to evaluate the bone suppression quality. Using the Japanese Society of Radiological Technology (JSRT) this study achieved a PSNR index of 31.604, and a similarity coe cient, known as SSIM of 0.9402. When delimiting the learning region, the results were: 31.9136 for PSNR and 0.9633 for SSIM.
  • Imagem de Miniatura
    Item
    Uma formalização da lógica modal usando o assistente de provas Coq.
    (2023) Silveira, Ariel Agne da; Ribeiro, Rodrigo Geraldo; Roggia, Karina Girardi; Ribeiro, Rodrigo Geraldo; Roggia, Karina Girardi; Vasconcellos, Cristiano Damiani; Reis, Leonardo Vieira dos Santos
    A modelagem de determinados tipos de sistemas computacionais com a lógica clássica possui fatores limitantes. Neste contexto, a apresentação de outros sistemas lógicos, como a lógica modal, e a construção de uma biblioteca para o assistente de provas Coq tem o intuito de auxiliar nesta tarefa e facilitar o uso para a verificação de propriedades de sistemas. A semântica da lógica modal é representada pela semântica dos mundos possíveis, onde existe uma relação de acessibilidade que conecta os mundos de um mo- delo. Diferentes restrições impostas na relação de acessibilidade constroem sistemas da lógica modal que auxiliam na representação de propriedades nas mais diversas áreas de estudo. O desenvolvimento da biblioteca tem como objetivo sustentar a formalização de propriedades de softwares e prová-los em Coq.
  • Imagem de Miniatura
    Item
    Problema de roteamento de mamógrafos móveis : uma abordagem bi-objetiva.
    (2023) Araujo, Thiago Giachetto de; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Penna, Puca Huachi Vaz; Souza, Marcone Jamilson Freitas; Coelho, Igor Machado; Carvalho, Marco Antonio Moreira de
    Esta dissertação trabalha com o Problema de Roteamento de Unidades Móveis de Mamografia (MMURP). O problema é uma variante do Problema de Rotea- mento de Veículos Aberto Multi-depósito. Neste problema, existe uma quantidade fixa de depósitos, cada um com uma quantidade limitada de Unidades Móveis de Mamografia (MMUs). Cada MMU tem sua capacidade de realização de exames conhecida e um conjunto de cidades candidatas com uma demanda conhecida por exames de mamografia. O objetivo é definir a ordem de visitação das cidades can- didatas para cada MMU, buscando maximizar a demanda atendida e minimizar a distância total percorrida. Ou seja, o MMURP é tratado como um problema de otimização bi-objetivo. Uma formulação de programação matemátia é pro- posta, o método ε-restrito é implementado e dois algoritmos heurísticos baseados no Non-dominated Sorting Genetic Algorithm II (NSGA-II) são desenvolvidos. Os algoritmos heurísticos se diferenciam pela utilização de busca local como um dos operadores de mutação, um possui e o outro não. O método exato e as duas versões do algoritmo heurístico foram implementados e usados para resolver o MMURP para diversos estados do Brasil. Instâncias baseadas em dados reais foram geradas e usadas para avaliar os métodos implementados. Os resultados computacionais mos- traram que ao considerar o hipervolume, as soluções encontradas pelo método exato são superiores. Porém, ao considerar o min-max da taxa de cobertura, o algoritmo heurístico com a busca local é superior.
  • Imagem de Miniatura
    Item
    Detecção de fraudes financeiras em contas digitais : explorando abordagens hierárquicas e técnicas de aprendizado profundo.
    (2023) Souza, Andressa Oliveira; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Lima, Helen de Cássia Sousa da Costa; Silva, Rodrigo César Pedrosa; Oliveira, Samuel Evangelista Lima de
    Nos últimos anos, houve um aumento na oferta de serviços financeiros por meio de aplicativos e internet banking, mas isso também levou a um aumento de contas digitais fraudulentas. Em problemas de detecção de fraudes financeiras, é comum encontrar um desbalanceamento significativo entre amostras não fraudulentas e fraudulentas, dificultando sua identificação. Dessa forma, este trabalho aborda a detecção dessas contas, utilizando métodos de sobreamostragem e classificação hierárquica para lidar com o desbalanceamento das classes. Também é investigado se o uso de deep learning com dados matriciais pode superar os classificadores tradicionais Random Forest e XGBoost. Os dados foram fornecidos pela Efí S.A. e incluem 45.209 contas organizadas de forma hierárquica. As contas são categorizadas em primeiro nível como Fraude ou Não Fraude, e no segundo nível, as não fraudes são divididas em quatro classes (A, B, C e D), enquanto as fraudes são divididas em duas (E e F). O problema foi abordado como classificação binária e multiclasse. A análise abrangente revelou que o uso dos métodos de sobreamostragem SMOTE e Borderline SMOTE melhorou as métricas de Sensibilidade e F-score para as classes fraudulentas nos classificadores tradicionais, na classificação binária e na multiclasse. A abordagem hierárquica destacou-se nas métricas de Precisão e F-score para as classes E e F, enquanto a abordagem plana apresentou o melhor desempenho em Sensibilidade para essas classes. O uso de deep learning com dados matriciais superou os classificadores tradicionais apenas na métrica de Sensibilidade na classificação binária.
  • Imagem de Miniatura
    Item
    Classificação automática de arritmias utilizando mapeamento de sinais de ECG em grafos e redes neurais convolucionais de grafos.
    (2023) Oliveira, Rafael Francisco de; Luz, Eduardo José da Silva; Freitas, Vander Luis de Souza; Luz, Eduardo José da Silva; Freitas, Vander Luis de Souza; Bianchi, Andrea Gomes Campos; Gertrudes, Jadson Castro; Quiles, Marcos Gonçalves
    Conforme a Organização Mundial da Saúde (OMS), as doenças cardíacas figuram como a principal causa de morte em âmbito global. Embora muitas dessas condições possam ser diagnosticadas antecipadamente, a incidência de casos segue em ascensão. Estimativas indi- cam que mais de 75% dos casos ocorrem em países de baixa renda ou em desenvolvimento, e 17,9 milhões de pessoas morreram de doenças cardíacas apenas em 2019, totalizando 32% das mortes globais. A persistência desse aumento de casos realça a necessidade de novas abordagens que automatizem a detecção de arritmias em sinais de eletrocardiograma (ECG). Na literatura, inúmeras técnicas de extração de características são utilizadas para representar o ECG como séries temporais unidimensionais, com o intuito de classificar pa- drões associados à arritmias. Notavelmente, abordagens baseadas em aprendizado profundo (redes de convolução) têm obtido resultados impressionantes para tal tarefa. Entretanto, abordagens baseadas em grafos e redes complexas foram recentemente investigadas como alternativas para aprimorar o desempenho na detecção de arritmias, porém, ainda se apresenta como um desafio mapear ou representar adequadamente sinais de ECG na forma de grafos. Assim, este estudo explora a representação dos sinais de ECG em grafos por meio do Visibility Graph (VG) e Vector Visibility Graph (VVG). Adicionalmente, utilizamos a estrutura de grafo para a classificação de arritmias com Redes Neurais Convolucionais de Grafos (Graph Convolutional Networks - GCNs). Experimentos envolvendo diferen- tes arquiteturas de GCNs foram avaliados no conjunto de dados MIT-BIH, seguindo os paradigmas inter-patient e intra-patient. Os resultados indicam que a representação dos sinais de ECG por meio de VG e VVG é promissora, e que o VG provou ser mais eficiente em comparação ao método VVG para as arquiteturas de GCNs exploradas. Em relação à classe de batimentos ectópicos supraventriculares (S), os resultados evidenciam que no paradigma inter-patient ainda há um grande desafio a ser superado. Arquiteturas mais simples de GCNs tiveram melhores resultados do que as complexas, indicando que sua simplicidade melhora a captura das características essenciais dos dados e evita ruídos. Essas arquiteturas também são mais eficientes computacionalmente, o que é importante em cenários de recursos limitados.
  • Imagem de Miniatura
    Item
    ChurNAS : uma busca de arquitetura neural para previsão de desligamento de clientes.
    (2023) Almeida, Marcus Daniel de; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Moreira, Gladston Juliano Prates; Luz, Eduardo José da Silva; Silva, Ivair Ramos; Meneghini, Ivan Reinaldo
    A Predição de desligamento de clientes PDC (do inglês Customer Churn Pre- diction) é fundamental para a gestão eficiente de clientes, uma vez que permite a otimização da lucratividade por meio de estratégias de marketing informadas e cam- panhas de retenção. Nesse contexto, o presente estudo propõe uma nova abordagem, chamada ChurNAS, baseada em algoritmo genético para a busca de arquiteturas neurais (Neural Architecture Search - NAS) em problemas de PDC na indústria de serviços financeiros. Ao contrário dos modelos tradicionais, como regressão logística e árvore de decisão, as redes neurais profundas apresentam maior versatilidade para modelagem de dados complexos. No entanto, a busca pela arquitetura ideal em redes neurais profundas ́e um desafio devido `a sua alta complexidade. Os resultados demonstram que a abordagem ChurNAS encontrou modelos com desempenho supe- rior aos classificadores tradicionais ajustados por otimiza ̧c ̃ao de hiperparâmetros. A abordagem proposta obteve uma acurácia de 88,6%, em comparação com 82,54% do XG-Boost e 82,49% do Floresta Aleatória. Al ́em disso, alcançou uma sensibilidade de 58,89%, enquanto o XG-Boost e o Floresta Aleatória apresentaram 57,1% e 57,81%, respectivamente. Quanto `a precisão, a abordagem ChurNAS obteve 39,41%, superando o XG-Boost (26,96%) e o Floresta Aleatória (26,17%). Adicionalmente, o estudo examinou o impacto da quantidade de dados e da capacidade do modelo, enfatizando a importância de considerar a natureza temporal das transações financei- ras ao utilizar redes neurais para PDC. Em suma, este trabalho destaca o potencial da abordagem ChurNAS para solucionar problemas de PDC no setor de servi ̧cos financeiros e melhorar a eficiência do gerenciamento de clientes.
  • Imagem de Miniatura
    Item
    Desenvolvimento de algoritmos de IA para dispositivos vestíveis utilizando computação de borda.
    (2023) Silva, Jonathan Cristovão Ferreira da; Oliveira, Ricardo Augusto Rabelo; Silva, Mateus Coelho; Oliveira, Ricardo Augusto Rabelo; Silva, Saul Emanuel Delabrida; Nacif, José Augusto Miranda; Amorim, Vicente José Peixoto de
    Os dispositivos vestíveis estão cada vez mais presentes em nossas vidas. Além disso, os algoritmos de inteligência artificial vêm se tornando essenciais para com- por estes dispositivos. Como os dispositivos vestíveis são restritos de recursos, tec- nologias que exigem grande capacidade computacional podem ser inviáveis para aplicações neste contexto, principalmente quando se trata da computação de borda. Visto isso, o trabalho propõe o desenvolvimento de algoritmos de inteligência arti- ficial para integração nestes dispositivos com o processamento dos dados na borda, sem utilizar recursos em nuvem. Esta proposta é validada com base em dois estudos de casos. O primeiro estudo de caso é a aplicação de técnicas de Machine Learning e Deep Learning na agricultura, com o objetivo de desenvolver um capacete inte- ligente para realizar inspeção de doençãs em laranjas. No segundo estudo de caso ́e desenvolvida uma nova solução vestível para o reconhecimento de atividade de caminhada. Com o auxílio de três algoritmos de IA, este estudo de caso apresentou novas perspectivas para autoavaliação do usuário a partir dos dados coletados na atividade realizada. Dessa maneira, esse trabalho apresenta uma análise de aspec- tos do desenvolvimento de algoritmos de IA para integração em dois dispositivos vestíveis através da computação de borda.