Projetos de Pesquisa

 

Foto de perfil

Afranio Rodrigues Pereira

Ciências Exatas e da Terra

Física
  • ressonância e acoplamento entre gelos de spin artificiais termodinâmicos e supercondutores
  • Nesta proposta investigaremos a termodinâmica de GSA fabricados através de desbaste físico de filmes finos com 25nm de Gadolínio ou Nitreto de Gadolínio, os filmes são crescidos por Sputtering pelo grupo do professor Moodera no Massachusetts Institute of Technology MIT – USA e nanofabricados no INL, mas passarão a ser crescidos e nanofabricados no LabSpiN, com a aquisição de sistema de nanolitografia. Também serão realizadas investigações teórico-experimentais basicas do acoplamento mediado por portadores de carga por medidas de magnetização e ressonância em função da temperatura e da transição supercondutoras da camada metálica interligando as ilhas.
  • Universidade Federal de Viçosa - MG - Brasil
  • 18/02/2019-28/02/2022
Foto de perfil

Agatha Sacramento Rodrigues

Ciências Exatas e da Terra

Probabilidade e Estatística
  • observatório obstétrico brasileiro
  • A importância de permitir acesso a dados públicos de maneira estruturada e com responsabilidade faz com que a sociedade tenha acesso à informação, que gestores públicos possam tomar decisões baseadas em evidências e que as discussões sobre políticas públicas sejam embasadas em dados confiáveis. Na área da Obstetrícia, em especial, há algumas discussões sobre políticas públicas para gestantes, fetos e recém-nascidos que, muitas vezes, não são pautadas em dados científicos e/ou análise de dados públicos. Com essa motivação, propomos um observatório obstétrico por meio de uma plataforma interativa de monitoramento e análise de dados públicos da área de Obstetrícia do Brasil. Nesse observatório serão disponibilizadas as análises exploratórias, com visualização online, dinâmica e com filtragens escolhidas pelo usuário, além dos resultados de análises e modelos preditivos para os desfechos de interesse. Dentre as análises propostas, destacamos a seção do Observatório “Pandemias e Obstetrícia”, em que objetivamos avaliar os impactos das pandemias (H1N1 em 2009 e COVID-19 em 2020) na saúde materna, fetal e neonatal, assim como identificar as diferenças entre elas e suas consequências para que seja possível desenhar políticas públicas para crises futuras. Outro destaque é feito para a seção “Indicadores”, destinada à criação de indicadores obstétricos obtidos com bases de dados públicos, assim como às análises de associação entre indicadores socioeconômicos e indicadores obstétricos já existentes e os que serão criados. Como exemplo, ferramentas serão criadas para identificar os principais fatores associados a elevadas porcentagens de partos prematuros e de cesáreas nos diferentes grupos de Robson, em nível municipal. Estes são temas relevantes, uma vez que cesáreas sem indicação obstétrica podem ter impacto negativo para a saúde, além da associação de prematuridade e complicações tanto perinatais como no desenvolvimento infantil. A abordagem ambiental também será contemplada neste observatório ao conectar bancos de dados que nos informem sobre as condições climáticas, poluição, e agricultáveis que possam influenciar os resultados obstétricos e fetais frente à exposições maternas durante o período pré-gestacional e gestacional nas diferentes regiões do país; aspecto que é pouco explorado em nosso país. Para realizar as análises de interesse, pretendemos usar os seguintes bancos de dados: SINASC (Sistema Nacional sobre Nascidos Vivos), SIM (Sistema de Informação sobre Mortalidade), CNES (Cadastro Nacional de Estabelecimentos de Saúde), SIHSUS (Sistema de Informações Hospitalares do SUS), BASIS (Breastfeeding Information System), SIVEP Gripe, BDMEP-INMET (Banco de Dados Meteorológicos do Instituto Nacional de Meteorologia), bases de dados sobre a qualidade do ar fornecidas pelas agências estaduais de meio ambiente e os dados do IBGE (Censo, PNAD e PNADC). Essas bases serão tratadas e carregadas utilizando o fluxo ETL (extract, transform, load) e as análises serão realizadas ao utilizar os programas abertos R e Python. O site do Observatório será feito em WordPress (br.wordpress.org), embutindo visualizações feitas em Shiny (https://shiny.rstudio.com) e em Kibana (www.elastic.co/pt/kibana). Um desafio será integralizar as informações dos diferentes bancos de dados. Para isso, serão aplicados algoritmos de similaridade entre os dados identificados, seja por alguma variável chave (por exemplo, número de identificação social) ou por meio de um modelo probabilístico. Outro desafio consiste em lidar com a incompletude dos dados, uma vez que o tratamento não adequado aos dados faltantes pode levar a conclusões errôneas e/ou viesadas. Para este ponto, serão consideradas e pesquisadas técnicas estatísticas para dados incompletos. Nas análises de associação e de predição de desfechos obstétricos, serão considerados modelos e algoritmos supervisionados e não supervisionados de machine learning para dados transversais e para dados longitudinais, a depender da característica dos dados da análise de interesse. A ideia é que métodos já consagrados da área sejam aplicados para resolver o problema em questão. Em situações que o problema traz algum desafio do ponto de vista estatístico e/ou computacional, e que não há soluções na literatura, novas metodologias serão propostas. Por esse motivo, o projeto conta com uma equipe multidisciplinar envolvendo pesquisadores das áreas da Estatística, Computação e Obstetrícia. Ao citar a equipe, vale ressaltar que há membro que coordenou a área técnica de saúde da mulher do estado de São Paulo, especialistas em saúde materna, fetal e em prematuridade; cientistas de dados com elevado conhecimento técnico em diferentes segmentos da área e com experiências em aplicações na área obstétrica e também em análise de dados públicos do Brasil. Os resultados desse projeto serão disseminados por meio de publicações científicas e por textos em português e em inglês em um blog que será disponibilizado na plataforma. Além disso, artigos e resumos dos resultados obtidos serão apresentados e discutidos em congressos. As documentações de como os dados foram tratados e analisados serão disponibilizadas no Observatório e os códigos computacionais serão acessíveis em uma conta do Observatório no GitHub (www.github.com). Como resultado principal, pretendemos que o Observatório Obstétrico Brasileiro seja a referência de informações da saúde materna, fetal e neonatal do Brasil, com o intuito de prover informações para o auxílio de gestores e médicos na tomada de decisões. Também pretendemos aquecer e disseminar o conhecimento na área de ciência de dados no Brasil, ao disponibilizar conteúdo da área aplicada à saúde e também ao propor novos métodos em cenários que não há soluções na literatura. A equipe desse projeto já trabalha em análises iniciais de visualização de dados obstétricos e uma demonstração pode ser vista no endereço https://obstetriciafmusp.shinyapps.io/observatorio-obs.
  • Universidade Federal do Espírito Santo - ES - Brasil
  • 03/12/2020-30/06/2022
Foto de perfil

Agma Juci Machado Traina

Ciências Exatas e da Terra

Ciência da Computação
  • recuperação perceptual de imagens por conteúdo e mineração de imagens com suporte de radiômica para sistemas de apoio a diagnóstico
  • Fornecer subsídios para tomada de decisões que levem o especialista médico a elaborar diagnósticos mais precisos, com maior rapidez e segurança, certamente traz benefícios para o tratamento e recuperação dos pacientes. Esse projeto de pesquisa visa atuar nessa direção, com o desenvolvimento de novos algoritmos e técnicas de recuperação de imagens por conteúdo para o processamento de consultas por similaridade, que atendam à percepção de similaridade do usuário. Por meio da integração da abordagem radiômica, que integra um volume importante de dados quantitativos, que aliados a dados qualitativos do paciente, que se processados apropriadamente, podem trazer novos impulsos positivos à área de computação em sistemas médicos. Os resultados desta pesquisa trarão impactos relevantes tanto à área de ciências de computação: por meio de algoritmos de extração de características de imagens e dados complexos de exames médicos, como algoritmos de armazenagem e recuperação eficiente desses dados em bases de dados complexos; quanto à área de medicina, permitindo a construção de sistemas de apoio ao diagnóstico (CAD – Computer Aided Diagnosis) mais precisos e eficientes. O maior beneficiário será o paciente, que receberá tratamentos mais confiáveis, seguros, e mais celeremente.
  • Universidade de São Paulo - SP - Brasil
  • 18/02/2019-28/02/2022