Graduações em Engenharias e Ciência da Computação

URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249

Navegar

Filtros

2023 - 20243

Configurações

Orientador: search.filters.advisor.FABIO JOSE AYRESData inicial: 2022

Resultados da Pesquisa

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Trabalho de Conclusão de Curso
    Triagem oncogenética modelada por IA
    (2024) Alves, Gabriel de Araujo; Nishio, Keiya; Rodrigues Filho, Ricardo Mourão; Costa, Sarah Azevedo Pimenta da
    A Triagem Oncogenética por meio de questionário modelado por Inteligência Artificial (IA) representa uma inovação significativa no diagnóstico do câncer hereditário. Este estudo propõe uma abordagem que se baseia na análise criteriosa de parâmetros de história familiar para a seleção eficiente de pacientes aptos a realizar testes genéticos, sendo reconhecida como a estratégia mais custo-efetiva disponível atualmente. Com uma extensa base de dados de aproximadamente 10 mil pacientes atendidos e testados nos últimos quatro anos pelo A.C. Camargo, esta pesquisa se apoia em uma metodologia robusta, envolvendo a implementação de modelos probabilísticos e de inferência. Um dos pontos-chave deste estudo é a possibilidade de utilização do pacote PanelPro, desenvolvido pelo laboratório Bayesmendel de Harvard, que oferece ferramentas avançadas para análise de dados genéticos. Além disso, o projeto se beneficia da expertise acumulada ao longo dos anos pelo A.C. Camargo em Oncogenética. Ao analisar uma amostra representativa de 4 mil pacientes, juntamente com os resultados de testes genéticos positivos e negativos, busca-se identificar os parâmetros que maximizam a sensibilidade, especificidade e a área sob a curva ROC (AUC), a fim de automatizar o processo de seleção de pacientes para testes genéticos. A implementação bem-sucedida desta ferramenta tem o potencial de revolucionar a prática clínica, permitindo um encaminhamento mais eficiente e direcionado aos pacientes dos centros de referência (CRs) do A.C. Camargo para o Departamento de Oncogenética. Além disso, essa abordagem pode contribuir significativamente para a identificação precoce de indivíduos com predisposição genética ao câncer, possibilitando intervenções preventivas e terapêuticas mais eficazes. Em última análise, esse avanço tecnológico promete impactar positivamente a qualidade de vida e o prognóstico dos pacientes e suas famílias, representando um importante passo rumo à medicina personalizada e de precisão no combate ao câncer hereditário.
  • Imagem de Miniatura
    Identificação de culturas de plantio por imagens de satélite
    (2023) Carmo, Amanda Rosa do; Hirschheimer, Carolina; Mitu, Gabriela Yukari; Queiroga, Nicolas Maciel
    Este projeto tem por objetivo desenvolver uma solução de análise e predição em imagens de satélites de culturas de plantio, que seja capaz de segmentar as imagens e identificar as diferentes plantações agrícolas nela presentes. Para tanto, será investigado o uso de um algoritmo de deep learning com arquitetura baseada em redes neurais convolucionais para criar um modelo de segmentação de imagens provenientes da missão de satélites Sentinel-2 e predição dos padrões de cultivo. O algoritmo funcional será então conectado a uma interface web, que permitirá aos potenciais usuários buscarem por características de plantio de determinada região do Brasil.
  • Imagem de Miniatura
    Sistema para Auxílio à Busca de Vagas de Estacionamento
    (2023) Rocha, Caio Emmanuel Soares; Valentim, Cicero Tiago Carneiro; Silva, Thalia Loiola
    Este projeto tem como objetivo desenvolver uma prova de conceito de um sistema de auxílio à localização de vagas de estacionamento, em parceria com a empresa PrediPark. O projeto contempla as seguintes partes: plataforma a ser acessada pelos usuários; modelo de aprendizado de máquina para prever a disponibilidade de vagas de estacionamento em um dado local e instante de tempo futuro; sistema de coleta de dados de estacionamento em tempo-real. Para demonstrar a capacidade do projeto, e na ausência de volume suficiente de dados reais para demonstração, um simulador estatístico de ocupação de vagas foi construído. O projeto enquadra-se como uma prova de conceito e, portanto, se propõe apenas a validar a solução idealizada pelos participantes do projeto (PrediPark, equipe Insper) e permitir uma demonstração funcional para futuros clientes e parceiros da empresa.