Busca avançada

X

Criar um alerta por e-mail


Novos resultados para a sua pesquisa em seu e-mail, semanalmente.

Seu e-mail:

Tamanho do e-mail:



Seu endereço de e-mail não será divulgado.

Refine sua pesquisa

Pesquisa
  • Uma ou mais palavras adicionais
Publicações científicas
Excel (CSV)Alerta por e-mail   RSS
4 resultado(s)
|
Resumo

Aplicações industriais com potencial para agregar valor ao produto final inicialmente motivaram para o desenvolvimento de sistemas de inspeção visual industrial, os quais utilizam metodologias rígidas. Essas soluções funcionam com metas de controle bem definidas e quando as mudanças nos processos de fabricação são conhecidas, como modificações na montagem mecânica. Os desafios de inspeção de materiais naturais, desde a seleção de produtos alimentícios até tábuas de madeira e painéis laminados, tendem a ser muito mais difíceis. As divergências encontradas entre defeitos e material aprovado, bem como as diferenças entre classes de defeitos, podem ser difíceis de detectar e discriminar por inspetores humanos. Muitos materiais fabricados encontram-se entre esses tipos, por exemplo, produtos à base de tecidos, aços, superfícies de estradas, etc., produzidos em fluxo contínuo e supostamente com aparência uniforme ou variações controladas. As metodologias de visão por computador foram desenvolvidas para fornecer modelos bastante ineficazes para resolver esses tipos mais gerais de desafios. Até mesmo os recentes avanços nos métodos de aprendizado de máquina apresentam apenas uma solução parcial. Desta forma, propomos a criação de metodologia de inspeção visual industrial para materiais cuja aparência pode variar entre lotes, ou (2) têm variações que para um ser humano são difíceis de classificar de forma consistente. As justificações são: (1) em caso de mudanças materiais, os métodos de livros didáticos exigem uma coleta e reciclagem intensiva de mão-de-obra; E (2) o envolvimento humano está propenso a erros e tem um impacto negativo na precisão da inspeção. A metodologia de base e os princípios de projeto foram propostos para alcançar o potencial de alta precisão do treinamento supervisionado e classificadores avançados, a flexibilidade das abordagens de ajuste de parâmetros e a velocidade de metodologias simples, proporcionando fácil utilização e baixo custo. (AU)

Resumo

O carcinoma de células escamosas oral (CCEO) é o décimo primeiro tumor sólido mais comum no mundo, representando cerca de 4% de todas as neoplasias malignas. Apesar dos avanços nas opções terapêuticas e no conhecimento científico sobre este tumor, o prognóstico de pacientes com CCEO permaneceu praticamente inalterado ao longo das últimas décadas, com uma taxa de sobrevida de 5 anos de aproximadamente 50%. Esta taxa de sobrevida é inaceitável e atribuída principalmente ao diagnóstico tardio, a resposta inadequada ao tratamento quimio e radioterápico e a falta de biomarcadores para o diagnóstico precoce e acompanhamento pós-terapêutico dos pacientes. Assi0m, elucidar os mecanismos celulares e moleculares envolvidos com a patogênese do CCEOs é mandatória para o desenvolvimento de abordagens terapêuticas inovadoras e individualizadas, o que deverá proporcionar um impacto importante na sobrevida dos pacientes. Nos últimos anos grande atenção tem sido dada os mecanismos associados com o processo de invasão das células tumorais e como o estroma tumoral circundante influencia este evento. Nós demonstramos que tanto moléculas produzidas pelas células tumorais como produzidas pelos fibroblastos associados ao tumor (CAF do inglês carcinoma-associated fibroblast) são capazes de promover a invasão tumoral. Em adição, nós revelamos que a combinação de dois parâmetros histológicos associados com a invasão das células tumorais - brotamento (B do inglês budding) e profundidade da invasão (D do inglês depth of invasion) - em um sistema de graduação histopatológica (BD score) são significantemente correlacionados com um prognóstico desfavorável para os pacientes com CCEO. O período da visita da Professor Tuula Salo associado a esta proposta vai permitir um refinamento das estratégias experimentais para uma melhor compreensão dos mecanismos biológicos associado com a invasão tumoral e a disseminação da doença (metástase), bem como terminar alguns manuscritos gerados de colaborações anteriores. (AU)

Resumo

O estudo da variação em comunidades biológicas - diversidade beta - é fundamental para o entendimento da homogeneização biológica. Apesar de esforços crescentes, padrões e processos relacionados a diversidade beta ainda são pouco compreendidos em muitos ecossistemas. O entendimento da variação biológica não pode ser alcançado ignorando o efeitos de distúrbios antrópicos. Enquanto muitos estudos têm considerado o efeito de alterações antrópicas sobre comunidades na escala local, poucos estudos examinaram diretamente como alterações antrópicos afetam a biodiversidade na escala da paisagem. Por exemplo, muitos estudos cujo objetivo era estudar os efeitos da fragmentação, um processo na escala de paisagem, analisam fatores locais associados a fragmentação. Neste projeto, nós iremos investigar os efeitos de distúrbios na escala de paisagem na diversidade beta de macroinvertebrados e diatomáceas de riachos no Brasil e Finlândia através de grandes levantamentos e abordagens estatísticas modernas. Essa comparação tropical-boreal é uma novidade na área de ecologia de riachos, já que poucos estudos consideram comparações entre regiões no entendimento da diversidade beta. A comparação tropical-boreal é fundamental, pois a primeira possui estações climáticas menos variáveis enquanto a segunda possui ecossistemas sob clima altamente variável. Essa sazonalidade marcada pode determinar diferenças profundas na variação da diversidade. Nosso projeto, portanto, deve ser fundamental para a ecologia básica e aplicada, com os estudos fornecendo suporte para o entendimento da estruturação de comunidades biológicas e da homogeneização da biodiversidade frente aos impactos antrópicos. Além deste fenômenos na escala de comunidades, nós também examinaremos quais fatores naturais e antrópicos afetam a distribuição de espécies, isoladamente, através de modelagem de distribuição potencial. O projeto está fortemente ligado as áreas de expertise dos investigadores principais e das equipes de pesquisa. O líder da equipe Brasileira, Dr. Tadeu Siqueira, é especialista em ecologia de riachos, incluindo ecologia espacial e avaliação ambiental de ecossistemas aquáticos. Do lado Finlandês, o Dr. Jani Heino tem experiência em ecologia de comunidades, mudanças globais e modelagem de padrões de comunidades de organismos aquáticos; o Dr. Janne Soininen tem publicado estudos sobre diversidade beta de diatomáces e recentemente tem focado na modelagem de distribuição potencial. Os pesquisadores associados complementam a expertise dos pesquisadores principais. (AU)

Resumo

Modelos de predição de defeito podem ser uma ferramenta útil na organização dos recursos de teste disponíveis em projetos de software. Contudo, nem todas as companhias de software mantém um histórico de dados de teste apropriado. Nesses casos, as companhias de software podem construir um conjunto de dados apropriado a partir de projetos externos conhecidos. Essa abordagem, conhecida como Cross-project Defect Prediction (CPDP), soluciona a falta de dados de defeitos embora introduza heterogeneidade nos dados. Essa heterogeneidade, por sua vez, pode comprometer o desempenho de modelos CPDP. Recentemente, métodos de filtragem foram propostos com o intuito de diminuir a heterogeneidade dos dados por meio da seleção das instâncias mais similares dentre as instâncias do conjunto de treinamento. A similaridade entre instâncias é calculada com base nos atributos do projeto. Realizamos experimentos a fim de avaliar se o uso de subconjuntos de atributos usados como medidas de similaridade (IFFS) podem melhorar o desempenho de métodos de filtragem. Os resultados não indicam um único método IFFS com melhor desempenho geral. De maneira contrária, o método IFFS mais apropriado para um projeto pode variar de acordo com as propriedades do projeto. Neste projeto, propomos investigar o uso de conceitos de meta-aprendizagem para predizer o método IFFS mais eficiente para um projeto de software. Também propomos investigar o uso de métricas de redes globais como meta-atributos. Um meta-conjunto de dados composto por meta-atributos relevantes pode prover o conhecimento necessário para predizer o método IFFS mais eficiente para um projeto de software e, consequentemente, melhorar o desempenho de predição de defeitos de modelos CPDP. (AU)

4 resultado(s)
|
Exportar 0 registro(s) selecionado(s)
Marcar todos desta pagina | Limpar seleção