A Universidade do Estado do Rio Grande do Norte (Uern) conquistou mais uma patente de inven\u00e7\u00e3o pelo Instituto Nacional da Propriedade Industrial (INPI), \u00f3rg\u00e3o respons\u00e1vel por gerir o sistema brasileiro de concess\u00e3o de patentes. Desta vez, tendo o Departamento de Inform\u00e1tica da Faculdade de Ci\u00eancias Exatas e Naturais (DI\/Fanat), Campus Mossor\u00f3, como titular.<\/p>\n
De autoria dos professores Dr. Harold Ivan Angulo Bustos, Dr. Dario Jos\u00e9 Aloise e o pesquisador Samuel Ara\u00fajo Dantas (ex-aluno do DI\/Fanat), a patente de inven\u00e7\u00e3o \u00e9 intitulada \u201cUm m\u00e9todo de previs\u00e3o de s\u00e9ries temporais multivariadas com \u00e1rvores de decis\u00e3o no dom\u00ednio da frequ\u00eancia\u201d.<\/p>\n
Trata-se de um novo m\u00e9todo de aprendizado de m\u00e1quina que age como um filtro inteligente preditivo multidimensional, usado para predizer ou prever o comportamento de uma imagem din\u00e2mica em movimento, com base em uma s\u00e9rie de sequ\u00eancias de imagens do hist\u00f3rico da s\u00e9rie temporal.<\/p>\n
Assim como para previs\u00e3o do tempo, se calcula a probabilidade de chuva em determinadas regi\u00f5es com base na din\u00e2mica da atmosfera. No caso do modelo patenteado, os pesquisadores calcularam um modelo de previs\u00e3o de imagem futuro com base no comportamento do hist\u00f3rico da s\u00e9rie temporal de ditas imagens. No caso, os dados de treinamento do m\u00e9todo patenteado est\u00e1 representado no dom\u00ednio espectral da frequ\u00eancia h\u00edbrida Wavelet\/DCT.<\/p>\n
A vantagem dessa t\u00e9cnica \u00e9 que ela n\u00e3o fica restrita \u00e0 detec\u00e7\u00e3o apenas local do movimento dos objetos, ou seja, o m\u00e9todo \u00e9 sens\u00edvel e detecta simultaneamente complexas correla\u00e7\u00f5es espa\u00e7o-temporais do movimento de objetos intra e inter quadros da cena em movimento, acontecendo em regi\u00f5es bem distantes uma da outra dentro da pr\u00f3pria cena da imagem em movimento.<\/p>\n
Outra vantagem importante que o m\u00e9todo traz \u00e9 que ele permite lidar com grande volumes de dados (Big Data), uma vez que os dados brutos s\u00e3o treinados em um espa\u00e7o altamente compacto gerado pelas transformadas h\u00edbridas Wavelets e DCT-Discreta Cosseno Transform.<\/p>\n
Ambas transformadas quando aplicadas aos dados brutos geram coeficientes de energia espectral produzindo uma compacta\u00e7\u00e3o muito grande. Tais coeficientes de energia compactados, s\u00e3o treinados de uma forma muito mais eficiente, pelo algoritmo do m\u00e9todo, de uma maneira a lidar melhor com grandes volumes de dados.<\/p>\n
\u201cPor outro lado o m\u00e9todo permite modelar e rastrear simultaneamente ao longo do tempo objetos com movimentos de rota\u00e7\u00f5es, transla\u00e7\u00f5es, crescimento\/decrescimento de regi\u00f5es. Um dos pontos deste m\u00e9todo proposto que permitiu obter a concess\u00e3o da carta patente do INPI \u00e9 sua forma diferenciada de agir como filtro preditivo rastreador de objetos em movimento, uma vez que ele estima modelos futuros de uma imagem em movimento, mudando simultaneamente no tempo de posi\u00e7\u00e3o, rota\u00e7\u00e3o, transla\u00e7\u00e3o, intensidade de cor, textura e morfometria dos objetos contidos na cena\u201d, detalhou o professor Harold Bustos.<\/p>\n
O m\u00e9todo foi avaliado e validado usando dados de uma s\u00e9rie temporal de imagens de tomografia 4D de um tumor de c\u00e2ncer de pulm\u00e3o, obtidos de uma base de dados p\u00fablicas do NIH-National Institute Health \/ USA, com o intuito de estimar e prever o comportamento din\u00e2mico da evolu\u00e7\u00e3o do tumor no futuro.<\/p>\n
Tamb\u00e9m se mostrou eficiente e robusto para modelar a din\u00e2mica do crescimento e decrescimento de uma neoplasia\/tumor sob monitoramento, sinalizando o potencial que tem o m\u00e9todo para ser aplicado na \u00e1rea de oncologia como uma nova tecnologia de inform\u00e1tica m\u00e9dica para dar aux\u00edlio e suporte aos radiologistas. Esta tecnologia computacional patenteada, quando utilizada em conjunto com t\u00e9cnicas de imageamento m\u00e9dico, tais como tomografia, resson\u00e2ncia, ultra-sonografia, etc, pode estabelecer, na pr\u00e1tica, um sistema capaz de dar suporte a radiologistas na tomada de decis\u00e3o, se podendo transformar em uma nova ferramenta de \u201cradioquimioterapia preditiva guiada por imageamento, em tempo de lapso, baseado em aprendizado de m\u00e1quina\u201d, diz.<\/p>\n
Conforme Harold Bustos, o m\u00e9todo pode ser aplicado em quaisquer situa\u00e7\u00f5es onde se tenha uma s\u00e9rie temporal de dados de qualquer natureza e seu objetivo \u00e9 estimar um modelo de previs\u00e3o num\u00e9rico futuro dos dados contidos na cena em movimento.<\/p>\n","protected":false},"excerpt":{"rendered":"
A Universidade do Estado do Rio Grande do Norte (Uern) conquistou mais uma patente de inven\u00e7\u00e3o pelo Instituto Nacional da Propriedade Industrial (INPI), \u00f3rg\u00e3o respons\u00e1vel por gerir o sistema brasileiro de concess\u00e3o de patentes. Desta vez, tendo o Departamento de Inform\u00e1tica da Faculdade de Ci\u00eancias Exatas e Naturais (DI\/Fanat), Campus Mossor\u00f3, como titular. De autoria […]<\/p>\n","protected":false},"author":8,"featured_media":4766,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[65],"tags":[23,923,24,664,221],"class_list":["post-4765","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-proex-noticias","tag-destaque","tag-invencao","tag-noticias","tag-patente","tag-pesquisa"],"_links":{"self":[{"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/posts\/4765","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/comments?post=4765"}],"version-history":[{"count":0,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/posts\/4765\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/media\/4766"}],"wp:attachment":[{"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/media?parent=4765"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/categories?post=4765"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/portal.uern.br\/proex\/wp-json\/wp\/v2\/tags?post=4765"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}