Ciência e Tecnologia

22/11/2019 | domtotal.com

Lara 2019: projetos inovadores de Ciência da Computação são premiados pelo Google

Latin America Research Awards concede R$ 2 milhões em bolsas para trabalhos acadêmicos de tecnologia que podem melhorar a vida na sociedade

Pesquisas em áreas como machine learning, data minning e IoT são premiadas em R$ 2 milhões
Pesquisas em áreas como machine learning, data minning e IoT são premiadas em R$ 2 milhões Foto (Nereu Jr./Google Divulgação)
Pesquisas em áreas como machine learning, data minning e IoT são premiadas em R$ 2 milhões
Pesquisas em áreas como machine learning, data minning e IoT são premiadas em R$ 2 milhões Foto (Kevin Ku / Unsplash)

Thiago Ventura

Sistema de machine learning que ajuda a identificar câncer de pele. Inteligência artificial que revela local exato de focos do mosquito da dengue. Diagnóstico remoto de autismo através de um programa de computador. Projetos inovadores como esse provam que a Ciência da Computação é aliada de soluções que podem facilitar a vida humana. E 25 trabalhos acadêmicos foram premiados com bolsas na edição 2019 do Latin America Research Awards (Lara), promovido pelo Google. A cerimônia de entrega das bolsas aconteceu nesta semana no escritório de engenharia da empresa, localizado em Belo Horizonte (MG).



Em sua sétima edição, foram escolhidos 15 trabalhos acadêmicos do Brasil, cinco da Colômbia, dois da Argentina, dois do Chile e um do Peru. (Veja a lista completa no fim da matéria) Durante 12 meses,  cada pesquisador de nível de doutorado e mestrado vai receber bolsa para desenvolver o projeto, um suporte de R$ 2 milhões no total. Nos sete anos de existência do Lara, já foram selecionados mais de 120 trabalhos e um aporte de US$ 3 milhões (R$ 12,6 mi).

Assista no Instagram Stories:

Na edição 2019 do Lara, o Brasil representou mais da metade dos selecionados. Dos 15, três foram desenvolvidos em Belo Horizonte, por pesquisadores da UFMG. Foram mais de 600 trabalhos apresentados, numa seleção que passou por três etapas. A última delas, sob o crivo de engenheiros do Google: cada um foi avaliado por dois ou quatro especialistas, que chegaram aos vencedores.

Segundo Berthier Ribeiro-Neto, diretor de Engenharia do Google para América Latina e chefe do escritório da empresa em BH, os trabalhos mostram como  a tecnologia pode ser aliada para solução de problemas e democratização do acesso a serviços e tratamentos. “Quase metade dos projetos é aplicação de tecnologia na área de saúde: detecção de autismo em regiões remotas, detecção de melanoma a partir de fotos médicas. A questão central que estamos interessados é sobre o uso desse conhecimento na solução de interesse da sociedade”, explica.



Bolsista pela segunda vez no Lara, a professora da Unicamp Sandra Ávila desenvolve uma rede de segmentação semântica, baseada em machine learning, que ajuda a delimitar automaticamente a região lesões na pele causadas por câncer. Segundo ela, essa tecnologia vai dar maior suporte ao médico para tomar decisões mais acuradas para o tratamento do paciente.

“Dada a situação do país, em que o financiamento da pesquisa pelo governo está sendo bastante reduzido, essa bolsa é muito importante para manter os alunos no Brasil. Mas o principal é fazer pontes, pois o trabalho é reconhecido e chama atenção da comunidade. Não existe ciência sem colaboração. E ao levar o conhecimento a mais pessoas, o trabalho ganha mais impacto na sociedade”, afirma a pesquisadora, que é pós-doutora em Ciência da Computação.

Próximas edições

Para 2020, o Lara deverá manter o investimento nos trabalhos acadêmicos no continente.  O prêmio contempla pesquisas sobre interação entre humanos e computadores, geo maps, internet das coisas (incluindo cidades inteligentes), machine learning e data mining (mineração de dados), processamento natural de línguas, interfaces físicas e experiências imersivas, privacidade, dispositivos móveis, recuperação e  organização de informações, além de outros tópicos relacionados a pesquisas da web, o negócio do Google.

Estamos procurando trabalhos de pesquisa em que conhecimentos, métodos e processos desenvolvidos na academia podem prover soluções de interesse do homem na sociedade. Qualquer solução que implica na automação de processos de interesse público, o que inclui também processos jurídicos, está no radar”, aponta Ribeiro-Neto.




Conheça os 25 projetos vencedores do Lara 2019:

🇦🇷 Argentina

Francisco Soulignac e Gonzalo Lera-Romero

Problemas de roteamento sob congestionamento: algoritmos, implementações eficientes e dados reais

O crescimento das entregas diretas ao consumidor enfatizou a importância da logística de última milha, tornando-se um dos fatores críticos no planejamento da cidade. Nosso projeto aborda o estudo de um grupo de problemas de roteamento com restrições de tempo e restrições operacionais adicionais, incluindo explicitamente o efeito do congestionamento. Nosso objetivo é aprimorar os algoritmos de última geração, não apenas pelos novos designs, mas também pelas implementações, usando estruturas de dados avançadas e personalizadas para acelerar os cálculos. A pesquisa será centrada em diferentes variantes do Problema de Roteamento de Veículos e seus correspondentes dependentes do tempo, com uma consideração especial em relação a aplicativos e resultados práticos, além de explorar sua integração com dados do mundo real. Além disso, vamos avaliar a integração dos desenvolvimentos com ferramentas de código aberto.


Ana Gabriela Maguitman e Mariano Maisonnave

Aprendendo modelos causais com a mídia digital

Este projeto visa extrair eventos do mundo real e outras variáveis relevantes de notícias e mídias sociais com o objetivo de aprender modelos causais. O objetivo amplo e final do projeto é desenvolver métodos e ferramentas para apoiar especialistas a prever e explicar eventos em cenários complexos. Para atingir esse objetivo, planejamos extrair recursos relevantes e aplicar uma abordagem de aprendizado ativo para treinar uma rede neural para detecção de eventos a partir de mídia digital. Os eventos extraídos, outras variáveis relevantes e suas relações de dependência serão usadas para construir uma rede de causalidade.




🇧🇷 BRASIL

Renata Vieira e Henrique Santos

Detecção de eventos adversos em registros eletrônicos de saúde: incidentes de queda e erros de medicação

O projeto tem como objetivo desenvolver tecnologia baseada em inteligência artificial para auxiliar os profissionais de saúde na identificação de eventos adversos (EA) em registros eletrônicos de saúde em hospitais, em especial nos casos de incidentes de queda e erros de medicação.


Wagner Meira Junior e Derick Oliveira

Classificação automática e interpretável do eletrocardiograma de 12 derivações

Neste projeto, os pesquisadores propõem pesquisa, projeto, implementação e validação de um método de classificação para todas as 74 classes de diagnósticos a partir de eletrocardiogramas de 12 sensores (ECGs). Nossa estratégia é descobrir novas características (que podem ser latentes), construir um classificador baseado nelas e prover uma interpretação que pode auxiliar o cardiologista para realizar o diagnóstico. Isso pode levar a um avanço significativo em como ECGs são analisados e tem aplicação direta para melhorar a prática clínica.


Sandra Avila e Alceu Bissoto

Melhorando a classificação do câncer de pele com redes adversariais generativas

Câncer de pele é, de longe, o tipo mais comum de câncer. Apesar de raro, o melanoma é responsável pela maior parte das mortes de câncer de pele. Deep Learning é o estado para análise de lesões de pele, e os dados (quantidade e qualidade) são cruciais para aprimorar essas soluções. Com a ajuda da Google, introduzimos um método baseado em GANs para gerar dados sintéticos realistas que aumentam a performance dos nossos modelos de classificação de lesões de pele. Agora, o objetivo é  incluir uma rede de segmentação semântica ao pipeline, removendo limitações do trabalho anterior e tratando recém-descobertas falhas em nossos modelos de classificação.


Maria José Finatto e Liana  Paraguassu

MedSimples: uma ferramenta de simplificação automática para maior acessibilidade na comunicação na saúde

MedSimples tem como objetivo tornar informações relacionadas à área da saúde mais acessíveis e compreensíveis para os brasileiros, simplificando textos sobre saúde, que estejam disponíveis na Internet, automaticamente, enquanto mantém a precisão e a confiabilidade da informação. Por meio da ferramenta, a intenção é promover o letramento em saúde da população e melhorar a comunicação entre profissionais de saúde e pacientes.


Nelson Luis Saldanha da Fonseca e Rodrigo Cardoso da Silva

Redução da latência de serviço pelo emprego de veículos aéreos não tripulados como fog nodes

O projeto propõe o uso de veículos aéreos não tripulados (Vant) como fog nodes complementares aos fog nodes fixos a fim de reduzir a latência e o tráfego para os data centers da nuvem. Desta forma, fog nodes aéreos podem atender usuários ocasionais sob demanda que não seriam atendidos por uma infraestrutura fixa. O problema a ser explorado é uma decisão conjunta da localização de fog nodes fixos e o plano de voo de fog nodes móveis. Resultados desta pesquisa podem servir como base para o planejamento de futuras infraestruturas de névoa e nuvem com o uso de Vants.


Felipe Meneguzzi e Laura Tomaz da Silva

Explicações visuais para dados de neuroimagem fMRI

Dislexia é um transtorno de desenvolvimento afetando diversas habilidades de aprendizado específicas. Pesquisas recentes tentaram identificar biomarcadores de dislexia utilizando diversas formas de neuroimagem como ferramentas para diagnóstico de dislexia e outros transtornos de aprendizado. Ainda que técnicas de aprendizado profundo forneçam ferramentas cada vez melhores para tarefas de classificação na maior parte das áreas médicas para as quais existem dados disponíveis, um desempenho alto de classificação oferece virtualmente nenhum insight para pesquisadores em medicina sobre os transtornos subjacentes. Este projeto visa resolver este problema avançando as técnicas de visualização de redes neurais e prover insights significativos amparados por experts nos transtornos sendo classificados.


Eduardo da Silva e Wesley Passos

Detecção automática de áreas de reprodução de Aedes aegypti usando visão computacional e aprendizado de máquina

O Aedes aegypti é o principal transmissor de várias doenças mortais. Atualmente, a melhor maneira de combatê-lo é através do controle e eliminação de possíveis focos de mosquitos.  Como este mosquito se reproduz em água parada e limpa, quaisquer recipientes que permitem o armazenamento de água são criadouros em potencial. Estes objetos podem estar em qualquer lugar, o que faz o monitoramento e controle do mosquito, na ausência de um suporte técnico apropriado, caro, demorado e ineficiente.  O principal objetivo deste projeto é reconhecer automaticamente e com alta acurácia os objetos que podem ser potenciais criadouros de mosquito, em vídeos ou imagens adquiridos usando um UAV, aplicando técnicas de visão computacional e aprendizado de máquina.


Olga Goussevskaia e Otavio Augusto Souza

Tree Networks distribuídas com auto-ajuste simultâneo

Neste trabalho estudamos o problema de projetar uma topologia de rede ótima para conectar um conjunto de nós, tais como racks em um datacenter ou pontos em uma rede P2P.  Diferentemente de muitos trabalhos existente sobre projeto de redes de comunicação, no entanto, estamos interessados no projeto de topologias dinâmicas, que se auto-ajustam ao padrão de tráfego que servem. Nós propomos uma nova abordagem para redes de comunicação auto-ajustáveis e distribuídas, baseada em contadores. Os pares de nós que se comunicam com maior frequência se aproximam através de uma sequência de rotações em árvores, semelhante às estruturas de dados dinâmicas. As rotações ocorrem de forma infrequente, ponderando sobre o histórico de requisições de cada nó. Nossa análise preliminar indica que esta abordagem escala significativamente melhor com o nível de concorrência de comunicação, em comparação a soluções alternativas.


Rodrigo Mello e Daniel Cestari

Projetando transformações de espaço do Kernel a partir de dados supervisionados

O problema de encontrar um bom algoritmo de aprendizado pode ser reduzido a encontrar um kernel adequado a um dado problema. Nesta tese, pretendemos desenvolver um arcabouço capaz de induzir um kernel adequado direto dos dados. Nossa linha de pesquisa usa o conceito de funções de Green e aproximação linear da fronteira de decisão. Como o kernel será induzido diretamente dos dados, a suposição é que os parâmetros do kernel serão especificados para os dados provendo o melhor desempenho que o kernel pode alcançar.


Anderson Rocha e Antonio Theophilo

Combate a notícias falsas por meio da atribuição de autoria e análise de filogenia

A luta contra as notícias falsas é árdua, especialmente quando se considera a natureza das mensagens de texto envolvidas em plataformas de mídia social (um número enorme de mensagens curtas provenientes de milhões de usuários). Nesse sentido, este projeto de pesquisa visa solucionar dois problemas cruciais e desafiadores: atribuição de autoria e análise de filogenia de pequenas mensagens de texto postadas em plataformas de mídia social, mostrando como essas soluções podem auxiliar na identificação de informações falsas disseminadas em redes sociais. Diferentemente do que foi feito com textos mais longos, contaremos com abordagens orientadas a dados sobre padrões estilísticos, explorando os recentes avanços das redes neurais profundas (deep learning) no campo de reconhecimento de padrões. Esta pesquisa produzirá resultados que poderão ser utilizados por muitos atores, como ONGs, agências de notícias, plataformas de mídia social e pessoas em geral. Além disso, esta pesquisa pode fornecer ferramentas apropriadas para análise de postagens on-line, levando em consideração sua disseminação e poder de influência.


Marcus Ritt e Alex Gliesch

Algoritmos heurísticos para distribuição justa da terra e problemas de distrito

O nosso objetivo é desenvolver métodos automáticos para a redistribuição de terras agrícolas de grandes latifúndios para lotes menores. Esses lotes são então atribuídos a agricultores familiares como parte das iniciativas de reforma agrária no Brasil. Cada família deve receber uma quantidade igual de recursos, o que implica que os lotes devem ser equilibrados em relação a atributos geográficos como área, acesso a água e estradas, qualidade do solo e capacidade de uso. A abordagem atualmente utilizada pelo Instituto Nacional de Colonização e Reforma Agrária (Incra) é manual, demorada e geralmente leva a lotes retangulares de áreas similares, mas muitas vezes injusta em relação aos outros atributos. Encontrar partições de conjuntos equilibrados é um problema NP-difícil e, portanto, nossa abordagem principal é através de heurísticas.


Rodrigo Barros e Eduardo Pooch

Melhorando a localização da patologia nas radiografias de tórax com supervisão limitada via aprendizado de múltiplas instâncias semi-supervisionado

As radiografias são exames primários para avaliar as condições do tórax e são frequentemente diagnosticadas incorretamente devido a erros de observação. Na prática clínica, abordagens de deep learning têm sido cada vez mais utilizadas para apoiar radiologistas no processo de tomada de decisão a fim de melhorar a acurácia diagnóstica. Idealmente, o modelo preditivo deve fornecer mais informações além de um rótulo diagnóstico para apoiar o resultado da classificação, como a localização espacial do achado na radiografia. Há uma grande quantidade de radiografias de tórax disponíveis publicamente, rotuladas de acordo com seus achados radiológicos (rótulos para classificação), mas poucas amostras estão anotadas em relação à localização dos achados. O objetivo do projeto é utilizar uma quantidade limitada de dados anotados em conjunto com grandes quantias de dados não anotados para melhorar os resultados de localização automatizada de patologias em radiografias do tórax, adaptando os métodos de aprendizado semi-supervisionado para realizar o aprendizado de múltiplas instâncias, utilizando datasets de radiografias rotulados com a presença de patologias, mas com suas localizações desconhecidas.


João Trindade Marques e João Paulo Almeida

Abordagens de aprendizado de máquina para identificação de vírus em mosquitos Aedes usando pequenos RNAs

Mosquitos são vetores para diversos vírus que infectam humanos em todo o mundo. Assim, a identificação de vírus em mosquitos é de grande interesse para a saúde pública. O sistema imune dos insetos produz pequenos RNAs em resposta a infecção viral. Neste projeto, nós pretendemos utilizar o aprendizado de máquina para identificar padrões em dados de pequenos RNAs que podem ser utilizados para caracterizar a circulação de vírus em mosquitos selvagens.


Paulo Roberto Ferreira Jr. e Jean Roberto Antunes

Detecção de pragas por meio de uma rede sem fio de armadilha inteligente

Este projeto visa encontrar uma maneira de reduzir o uso de pesticidas nas lavouras. Está sendo proposto um sistema para prever possíveis infestações de pragas antes que causem algum dano real. Para atingir esse objetivo, foi planejado automatizar o controle populacional de pragas, criando armadilhas inteligentes, que identificam e contam diferentes espécies, conectadas por meio de uma rede de sensores sem fio. Os dados obtidos nas armadilhas irão alimentar um modelo de previsão para alertar o agricultor sobre uma possível infestação, permitindo uma decisão mais apropriada para o controle da população de pragas. Os resultados alcançados até agora mostram como o projeto está sendo bem sucedido e quão proeminente será esse impacto quando se tornar um produto totalmente operacional.    


Nélio Cacho e Adelson Araujo Jr

Em direção à interpretação e interação de sistemas de policiamento preditivo baseados em aprendizado de máquina

Este projeto pretende implementar um software de policiamento preditivo de código aberto com artefatos visuais para explicação de forma eficaz que permita apoiar a tomada de decisão no planejamento do patrulhamento policial. A avaliação de nossa abordagem deve ser feita no nível da aplicação em duas dimensões diferentes, considerando (i) a utilidade do sistema preditivo para reduzir a incidência criminal e (ii) a capacidade do sistema de explicar as previsões feitas com precisão, considerando a fidelidade do modelo, a compreensibilidade e precisão.


🇨🇱 CHILE

Barbara Poblete e Juglar Diaz

Alavancando dados textuais anotados espaço-temporais com modelos de redes neurais

O uso de dispositivos móveis com GPS, bem como a adoção de redes sociais, permitiram que as pessoas compartilhassem opiniões, notícias e atividades diárias, além de informações sobre localização geográfica e temporal. Além das redes sociais, existem muitas outras fontes de dados geotemporais, como relatórios de crimes, pesquisas de contexto do usuário e consultas sobre pontos de interesse em aplicativos baseados em mapas. Nossa proposta se concentra no uso de redes neurais para melhorar e projetar modelos para a representação conjunta eficiente de dados textuais espaço-temporais.


Gonzalo Navarro e Dustin Cobas

Índices práticos e flexíveis em coleções de cadeias repetitivas

Enfrentamos um problema avassalador: armazenar e acessar a enorme quantidade de dados gerados todos os dias. Felizmente, muitas das coleções de cadeias que crescem mais rapidamente são compostas por documentos muito semelhantes, como código com versão e coleções de documentos, repositórios de genomas etc. Recentemente, surgiu muito interesse nesse tipo de coleção, levando ao surgimento de muitos índices de correspondência de padrões que exploram repetições de strings de maneiras diferentes. Por outro lado, os índices de recuperação de documentos são menos desenvolvidos em genéricas e repetitivas coleções de strings e existem muito poucos índices práticos implementados. Nosso principal objetivo é desenvolver índices compactados práticos e flexíveis para dar suporte às operações de recuperação de documentos em coleções repetitivas de cadeias de caracteres.


🇨🇴 COLÔMBIA

Fabio Gonzalez e Santiago Toledo-Cortês

Modelo de aprendizado computacional para a análise do fundo ocular para apoio ao diagnóstico médico

O projeto trata do design e implementação de um sistema para a aquisição e processamento de imagens do fundo ocular e a detecção de patologias associadas ao diabetes. O sistema de aquisição será adequado para ser implementado em hardware de baixo custo que irá interagir com sistemas baseados em nuvem mais poderosos para análises mais avançadas. Este sistema facilitará o acesso a diagnósticos especializados suportados por sistemas semiautomáticos em áreas de difícil acesso e poucos recursos.


Luis Felipe Giraldo Trujillo e Gilberto Jose Diaz Garcia

Modelos computacionais de cooperação em comunidades desfavorecidas Parte 2

Indivíduos com renda muito baixa e pertencentes a uma comunidade carente têm uma tarefa desafiadora ao gerenciar suas vidas financeiras, geralmente devido a eventos imprevisíveis e à falta de serviços financeiros e de saúde acessíveis. Portanto, estratégias de cooperação informal baseadas em poupança e créditos estão se tornando uma opção muito importante para essas comunidades enfrentarem esses desafios e terem algum nível de estabilidade financeira. Nessas comunidades, a cooperação surge como um mecanismo para promover o desenvolvimento. É necessário propor um processo automatizado para a exploração e avaliação de diferentes estratégias que possam potencialmente beneficiar a comunidade. Nossa hipótese é de que uma abordagem de aprendizado por reforço profundo multi-agente, que tenha sido usada com sucesso para treinar agentes vencedores seja a chave para alcançar esse objetivo. Nesta proposta de projeto, planejamos enfrentar esse desafio ambicioso.


Pablo Arbelaez e Laura Daza

Detecção de nódulos pulmonares e previsão de malignidade usando redes neurais multimodais

A detecção de nódulos pulmonares e a estimativa de malignidade são um passo crucial para melhorar o prognóstico médico, pois um diagnóstico precoce representa um tratamento mais fácil para o paciente e um procedimento mais barato para os hospitais. Portanto, uma maneira de fazer um diagnóstico preciso nos estágios iniciais da doença tem o potencial de não apenas melhorar a vida de milhões de pessoas, mas também todo o sistema de saúde. O objetivo desta proposta é criar uma ferramenta capaz de usar informações tridimensionais das tomografias computadorizadas, bem como o histórico médico do paciente para localizar nódulos pulmonares e prever sua malignidade com alta precisão em um estágio inicial de desenvolvimento. Com esse objetivo, pretendemos criar um novo conjunto de dados de TC multimodal com base nos registros históricos da Fundação Santa Fe de Bogotá e usar um sistema de processamento de linguagem natural para incluir informações sobre os pacientes que possam ser relevantes para o diagnóstico de câncer. Propomos aproveitar nossa experiência anterior em previsão de câncer de pulmão, segmentação semântica de imagens médicas e a integração do entendimento da linguagem natural e da visão computacional, a fim de criar um sistema robusto e preciso que possa ser divulgado publicamente para promover novas pesquisas nessa crítica global. problema de saúde.


Mario Linares-Vásquez e Camilo Escobar-Velásquez

Habilitando tarefas de engenharia de software automatizadas para aplicativos móveis de fonte fechada

O principal objetivo de pesquisa deste projeto é fornecer aos desenvolvedores de aplicativos Android abordagens e ferramentas para oferecer suporte a diferentes tarefas automatizadas de engenharia de software no nível APK, ou seja, as abordagens e / ferramentas devem funcionar sem ter acesso ao código fonte dos aplicativos. Vamos nos concentrar no design e na implementação de abordagens para extrair automaticamente modelos de arquivos executáveis do Android (arquivos APK), e usá-los para dar suporte a três tarefas específicas: (i) geração de documentação sob demanda, (ii) geração / execução automatizada de casos de teste e (iii) teste de mutação.


Winston Percybrooks e Pedro Narvaez

Em direção a uma auscultação inteligente e assistida por computador em larga escala para instalações remotas de atenção primária (extensão do projeto de doutorado no 3º ano)

O principal objetivo desta proposta é desenvolver um sistema automático de diagnóstico de ausculta cardíaca baseado em nuvem. Nosso sistema utiliza aprendizado de máquina, computação em nuvem e um estetoscópio digital baseado em celular para classificar os sons do coração. Esse sistema tem o potencial de impactar significativamente os cuidados primários relacionados ao coração das pessoas nas áreas rurais ou, em geral, em qualquer local com conectividade de rede, mas com acesso limitado a especialistas cardíacos e equipamentos caros.


🇵🇪 PERU

Mirko Zimic e Macarena Vittet

Uma abordagem econômica para o diagnóstico de autismo em crianças em ambientes com poucos recursos, combinando preferência de olhar, pupilometria e reconhecimento de gestos emocionais, realizada em um dispositivo de computação portátil usando aprendizado de máquina / visão computacional

No mundo desenvolvido, uma em 59 crianças é afetada pelo transtorno do espectro do autismo (TEA), e espera-se que essa prevalência seja mais alta em ambientes com poucos recursos nos países em desenvolvimento. Os indivíduos afetados pelo autismo que não recebem tratamento têm menos probabilidade de uma vida normal e suas habilidades de socialização são afetadas com todos os efeitos negativos que isso implica, inclusive a obtenção de um emprego adequado.

Os procedimentos de avaliação clínica e psicológica para a identificação de TEA são realizados por profissionais de saúde treinados que não estão disponíveis com frequência em ambientes com poucos recursos. Como resultado, sua aplicabilidade e disponibilidade para configurações com poucos recursos são limitadas.

Portanto, abordagens alternativas que podem simplificar, reduzir custos e fornecer portabilidade para o diagnóstico de TEA são desejadas para o benefício das populações mais pobres. Para promover a era do diagnóstico mais cedo, os países em desenvolvimento precisam de uma ferramenta de triagem eficaz para ASD que possa ser usada por um profissional de saúde não especializado.

O objetivo principal do projeto proposto é desenvolver e validar a prova de conceito de um sistema portátil baseado em um tablet, realizar (1) rastreamento ocular para avaliar a preferência pelo olhar, (2) reconhecimento de gestos faciais para avaliar o status emocional e (3) pupilometria para avaliar qualquer anormalidade neurológica, tudo em menos de 2 minutos. Para isso, padronizaremos algoritmos ad-hoc de visão computacional e aprendizado de máquina para realizar as três análises com base em um vídeo do rosto da criança, gravado com a câmera frontal do tablet. 



Comentários
Newsletter

Você quer receber notícias do domtotal em seu e-mail ou WhatsApp?

* Escolha qual editoria você deseja receber newsletter.

DomTotal é mantido pela EMGE - Escola de Engenharia e Dom Helder - Escola de Direito.

Engenharia Cívil, Ciência da Computação, Direito (Graduação, Mestrado e Doutorado).

Saiba mais!