2014

1.dissertação JEFFERSON AMARAL DA SILVA

Autor: JEFFERSON AMARAL DA SILVA
Título: COP MODEL -REFINAMENTO DE DIRECIONALIDADE A CONSULTAS ESPACIAIS EM SGBDEs
Data da Defesa: 10/06/2014
Banca Examinadora: 
KARLA DONATO FOOK – Orientador
JOAO CARLOS PINHEIRO – Docente
SERGIO SOUZA COSTA – Docente Externo
Resumo: A identificação de Relacionamentos Direcionais entre Objetos armazenados em Sistemas Gerenciadores de Bancos de Dados Espaciais (SGBDEs) pode configurar uma importante fonte adicional de informações, especialmente quando estes são utilizados em conjunto com outros tipos de informações, como as provenientes de Relacionamentos Topológicos e Métricos. Tal combinação pode oferecer suporte a tomadas de decisão em situações dependentes do posicionamento relativo entre Objetos Espaciais nos quais a direção relativa, e consequentemente a ordem, destes tem importância estratégica, como na construção de certas edificações, abertura de vias de acesso, instalação de torres de transmissão, etc. No entanto, o conceito de Relacionamentos Direcionais não é unificado, o que gera diferentes abordagens acerca da definição das direções, cada qual com suas características positivas e negativas. Assim sendo, este trabalho propõe um modelo híbrido, nomeado Cone-Over-Projection Directional Model (COP Model), que contempla características dos modelos baseados em Cone e em Projeção. Adicionalmente, o trabalho apresenta a implementação do modelo proposto a partir do uso de Algoritmos Geométricos, de forma agregada a um SGBDE, visto a possibilidade de reutilização dos recursos do mesmo, compatibilidade com bases de dados previamente existentes e a notória carência de implementações seguindo esta abordagem agregada.
Palavras-chave: Relacionamentos Direcionais, Sistemas Gerenciadores de Bancos de Dados Espaciais, Sistemas de Informação Geográfica, Algoritmos Geométricos, COP Model.

2.Dissertação WESLEY BATISTA DOMINICES DE ARAUJO

Autor: WESLEY BATISTA DOMINICES DE ARAUJO
Título: Método de detecção de câncer de ovário utilizando padrões proteomicos, análise de componentes independentes e máquina de vetores de suporte
Data da Defesa: 02/09/2014
Banca Examinadora:
LUCIO FLAVIO DE ALBUQUERQUE CAMPOS – Orientador
HENRIQUE MARIANO COSTA DO AMARAL – Docente
ALINE SANTOS FURTADO CAMPOS – Docente Externo
LUIS CLAUDIO DE OLIVEIRA SILVA – Docente Externo
Resumo: O câncer de ovário é um tipo de câncer de origem ginecológica mais difícil de ser diagnosticado, pois a maioria dos tumores malignos de ovário só se manifesta no estágio avançado da doença, diminuindo assim a chance de cura. Somente cerca de 20% dos cânceres de ovário são diagnosticados precocemente. A ultrassonografia transvaginal é o método propedêutico mais utilizado para o diagnóstico diferencial, mas ainda não é eficaz para o diagnóstico precoce. Este trabalho propõe um método CAD (Computer-Aided Diagnosis) para detectar precocemente o câncer de ovário com o objetivo de auxiliar outros métodos já existentes, utilizando a técnica de Análise de Componentes Independentes (ICA), para a extração de características dos sinais proteômicos através da utilização do algoritmo FastICA, a técnica de Máxima Relevância e Mínima Redundância (mRMR), para diminuição do custo computacional e redução da dimensionalidade da matriz de características, isto se dá através da seleção das características mais significantes dentre todas as extraídas pela técnica de ICA. Após a extração e seleção das características utilizou-se a Máquina de Vetores de Suporte (SVM), para classificar as amostras entre presença ou ausência de câncer. O método foi testado na base de dados de padrões proteômicos SELDI-TOF, que contêm 253 amostras em baixa resolução (15.154 pontos), sendo 162 de câncer e 91 benignos. A partir dos testes realizados, o melhor desempenho foi obtido com um vetor de 10 características, resultando em uma taxa de acerto média de 98,80%, com 95,65% de especificidade e 100% de sensibilidade.
Palavras-chave: Câncer de Ovário, Análise de Componentes Independentes, Máxima Relevância e Mínima Redundância, Máquina de Vetores de Suporte