Navegando por Orientadores "Cordeiro, Filipe Rolim"

Agora exibindo 1 - 2 de 2

Comparação de algoritmos de reconhecimento de gestos aplicados à sinais estáticos de Libras
(2019-07-12) Cruz, Lisandra Sousa da; Cordeiro, Filipe Rolim; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/4807739914511076; http://lattes.cnpq.br/2111589326272463
A Língua Brasileira de Sinais (Libras) foi criada a fim de suprir uma necessidade de comunicação não-verbal para os surdos, que durante muito tempo foram doutrinados à ter o português como sua primeira língua. Atualmente, a Libras é a segunda língua oficial do Brasil e primeira língua dos surdos, assim como o português é para o ouvinte. Entretanto, mesmo com tamanho reconhecimento, a segunda língua oficial do Brasil não é conhecida pela maior parte da população brasileira. O processo de inclusão visa proporcionar igualdade aos deficientes, de forma que a deficiência não seja um fator impeditivo à convivência em sociedade. Com o advento da tecnologia e avanços da Inteligência Artificial (IA), foram criados artifícios tecnológicos visando propiciar inclusão. Na IA, o reconhecimento de padrões é um dos subtemas mais abordados na atualidade, sendo bastante aplicada para a classificação de gestos de diversas línguas de sinais na literatura. Essa pesquisa tem como principal tarefa identificar as mãos que formam um determinado sinal de Libras e em seguida reconhecer a que classe pertence, classificando-o. Baseado na classificação da Língua de Sinais Americana, a Feature Fusion-based Convolutional Neural Network (FFCNN), uma rede estendida da Convolutional Neural Network (CNN), obteve a melhor acurácia em comparação a outras redes, dentre elas a Visual Geometry Group (VGG). Diante desse cenário, esse trabalho aplica a FFCNN à gestos estáticos de Libras a fim de verificar se a FFCNN obtém a melhor acurácia assim como obteve na Língua de Sinais Americana. Para alcançar esse objetivo são comparados três classificadores: VGG com uma variação da CNN com 13 e 16 camadas; FFCNN e uma rede Multi Layer Perceptron (MLP) usada no reconhecimento de gestos estáticos de Libras na literatura. Os algoritmos foram aplicados em um dataset de Libras que contém 9.600 imagens de 40 sinais. Os resultados demonstram que a rede VGG com 16 camadas obteve a maior acurácia dentre modelos descritos neste trabalho, com valor de 99,45%.
Desenvolvimento de um algoritmo baseado em lógica fuzzy para segmentação de lesões em imagens de mamografia digital
(2018) Bezerra, Kallebe Felipe Pereira; Cordeiro, Filipe Rolim; http://lattes.cnpq.br/4807739914511076; http://lattes.cnpq.br/3067789764865525
O câncer de mama tem sido um problema crescente para mulheres do mundo todo. De acordo com a Organização Mundial de Saúde (OMS), ele é o tipo de câncer mais comum entre mulheres, com mortalidade crescente, se tornando um dos tipos mais fatais de câncer em todo o mundo. No Brasil, ele é a principal causa de morte por câncer entre as mulheres, sendo estimado 59.000 casos novos de câncer em 2018, com uma incidência de cerca de 59,70 casos de cada 100 mil mulheres. Vários métodos de prevenção têm sido desenvolvidos, mas um dos métodos mais eficazes para a detecção de lesão é o diagnóstico através da mamografia digital. No entanto, a interpretação da mamografia pode ser uma tarefa difícil até mesmo para um especialista, uma vez que a análise é afetada por diversos fatores, tais como a qualidade da imagem, experiência do radiologista e tipo de lesão. É estimado que 12% a 30% dos casos de câncer de mama deixam de ser detectados devido à má interpretação mamográfica. O trabalho proposto tem como objetivo principal o estudo e desenvolvimento de uma técnica de segmentação de tumores em imagens de mamografia, utilizando lógica Fuzzy. Têm-se como objetivo inserir a abordagem Fuzzy no algoritmo Random Walker, a fim de propor uma nova solução para segmentação de lesões. Por fim, tem-se como objetivo realizar comparação com técnicas do estado da arte. O trabalho proposto utiliza a base de dados Mini-MIAS para realizar a avaliação das técnicas. A base consiste em 322 imagens de mamografia da visão médio lateral oblíqua, obtido de 161 pacientes. Entretanto, apenas 57 das imagens contem lesão. Os resultados mostraram que a abordagem proposta do algoritmo Random Walker com lógica Fuzzy, usado para segmentação do tumor, obteve melhores resultados para a maioria das métricas, em comparação com o algoritmo Random Walker clássico, e diminuiu o esforço do usuário necessário na etapa de inicialização do algoritmo.