Iniciação Científica e Tecnológica
URI permanente desta comunidadehttps://repositorio.insper.edu.br/handle/11224/3250
Navegar
2 resultados
Resultados da Pesquisa
Relatório de Iniciação Científica Mensuração de macronutrientes através de inteligência artificial(2021) Fincatti, Fernando Cesar Furtado BallesterosEste projeto trata do uso de redes neurais no desenvolvimento de ferramentas com o intuito de facilitar o cotidiano de pessoas com diabetes o que precisam controlar sua dieta. O objetivo específico é desenvolver um software capaz de estimar o número de macronutrientes de uma refeição através de uma imagem 2D capturada por uma câmera de smartphone, utilizando-se de princípios baseados em visão computacional. A linguagem de programação utilizada foi o Python, utilizando-se desde modelos baseados em bibliotecas como Tensorflow e Keras, até algoritmos inteiramente construídos do zero, ou seja, utilizando bibliotecas apenas para contas aritméticas básicas. Foi utilizado transfer learning para obtenção de melhores resultados. Os recursos para treinar as redes neurais foram retirados das bases Food 101 e ImageNet. Foram obtidos bons resultados. Os Melhores resultados foram obtidos com o uso de transfer learning, baseado na rede Xception, treinada previamente com a ImageNet. Para 6 classes de alimento, foi obtido uma acurácia de 86%, sendo utilizadas seis mil imagens, sendo quatro mil para treino e duas mil para teste. Os resultados demonstram que o uso de técnicas como transfer learning possuem boa precisão.Relatório de Iniciação Tecnológica Previsão da glicemia em pacientes com diabetes tipo 1(2020) Monteiro, Gabriel LopesA diabetes tipo 1 foi conhecida como uma doença silenciosa. A falta de glicemia dentro do tempo alvo leva o paciente a ter complicações no futuro. Desta forma um maior tempo de glicose sanguínea dentro dos intervalos definidos pela medicina permitem que os pacientes tenham uma chance incrivelmente menor de desenvolverem qualquer complicação. Para isso, sensores estão sendo cada vez mais aprimorados para os pacientes. No entanto a capacidade de prever a glicose sanguínea ainda se trata de um desafio. Com modelos que possam permitir uma visão futura da glicemia, os pacientes podem realizar melhores tomadas de decisões a fim de aprimorar cada vez mais seu tratamento, diminuindo o risco de complicações.