MENU

Projetos de Pesquisa

 

Filtrar Limpar Filtros
Foto de perfil

Alexandre Dias Porto Chiavegatto Filho

Ciências da Saúde

Saúde Coletiva
E-mail Currículo
  • estudo gas-brasil: generalização algorítmica em saúde nas cinco regiões brasileiras
  • O crescente volume de dados e os avanços na capacidade de processamento computacional têm impulsionado a aplicação de machine learning em diversas áreas. No entanto, na área da saúde o uso de algoritmos para a tomada de decisão clínica ainda enfrenta vários desafios, desde resistências culturais até limitações operacionais, como no caso da capacidade de generalização dos modelos preditivos em diferentes áreas. Em um país com alta desigualdade como o Brasil, é necessário o desenvolvimento de técnicas que permitam que algoritmos de machine learning tenham uma boa performance nas regiões mais remotas em que há menor coleta de dados. Este projeto propõe desenvolver métodos de transfer learning e transformational machine learning para avaliar a capacidade de generalização dos algoritmos preditivos mais utilizados para dados estruturados como XGBoost, lightGBM, catboost, random forests e redes neurais artificiais. Será analisado o conjunto de dados de um total de 8.477 pacientes com covid-19 coletados pela rede Inteligência Artificial para Covid-19 no Brasil (IACOV-BR), que é composta por 18 hospitais distribuídos nas cinco regiões do Brasil e cuja coleta de dados foi coordenada pelos pesquisadores desta proposta. Embora os dados considerados para este projeto se refiram a pacientes com covid-19, os métodos desenvolvidos a partir desta pesquisa poderão ser replicados para outras doenças. Os resultados do estudo serão divulgados por meio de artigos científicos, redes sociais do laboratório do grupo de pesquisa, reportagens na mídia e apresentações em congressos acadêmicos. O presente projeto é uma parceria inédita entre pesquisadores da Universidade de São Paulo (USP), University of Texas – Austin (UT-Austin), Duke University, Universidade Eduardo Mondlane (Moçambique), Fundação Oswaldo Cruz (FIOCRUZ), Universidade Federal de Pelotas (UFPel), Instituto Tecnológico da Aeronáutica (ITA), Universidade Estadual da Paraíba (UEPB) e Universidade Federal de São Paulo (UNIFESP).
  • Universidade de São Paulo - SP - Brasil
  • 27/12/2023-30/06/2025
Foto de perfil

Alexandre dos Santos

Ciências Agrárias

Recursos Florestais e Engenharia Florestal
E-mail Currículo
  • monitoramento remoto de formigas cortadeiras em plantios de eucalipto em larga escala aplicado a big data espacial com o uso de computação em nuvem
  • O Brasil é um dos maiores produtores de polpa de celulose e papel do mundo e tem mais 7 milhões de hectares de florestas de eucalipto para suprir essa produção. As formigas cortadeiras são um dos maiores problemas na produção dessas florestas, pois desfolhas as plantas e reduzem a sua capacidade fotossintética. O controle dessas pragas deve ser precedido pelo monitoramento das suas populações para reduzir o custo e a quantidade de inseticida aplicada, mas os métodos de amostragem atualmente empregados necessitam de muita mão de obra e tempo, justificando o desenvolvimento de novas metodologias de monitoramento de formigas cortadeiras, mais rápidas, precisas e com menor custo. Imagens de sensores remotos são muito utilizadas atualmente no monitoramento de diferentes pragas na agricultura e florestas em todo o mundo, mas não para as formigas cortadeiras. Porém, as desfolhas causadas por essas formigas alteram a estrutura e a refletividade das plantas, permitindo a identificação das injúrias dessas formigas por meio dessas imagens. O objetivo deste projeto será o desenvolvimento de um processo operacional para o monitoramento espacial de formigas cortadeiras em larga escala com o uso de técnicas de aprendizado de máquina ou machine learning (ML) aplicadas a um big data constituído por imagens de satélite com o emprego de máquinas virtuais (VM) em ambiente de nuvem. O desenvolvimento dessa nova ferramenta tecnológica aplicada ao manejo integrado de pragas permitirá a antecipação do processo de tomada de decisão para estes insetos-praga, redundando em redução de perdas na produção, custos de controle e impactos ambientais.
  • Instituto Federal de Educação Ciência e Tecnologia de Mato Grosso - MT - Brasil
  • 03/05/2023-31/10/2025
Página 81 de 2.614
2 Itens por página
Mostrando 161 - 162 de 5.227 resultados.