University of Pernambuco - Engineering School/ Editorial System Journals
Not a member yet
37197 research outputs found
Sort by
Aplicações de Técnicas de Processamento de Linguagem Natural no Contexto das Vacinas
No full textConsiderando a relevância das vacinas e da vacinação em âmbito global e nacional, bem como a importância do acesso à imunização e à informação, reconhece-se que as vacinas representam uma das principais estratégias para a prevenção, controle e erradicação de doenças que afetam a humanidade (Gadelha et al., 2020). Diante disso, esta revisão integrativa em desenvolvimento tem como objetivo identificar e mapear as técnicas de processamento de linguagem natural que estão sendo aplicadas no contexto das vacinas. A metodologia segue as etapas definidas para revisões integrativas: formulação da questão de pesquisa, definição de critérios de inclusão e exclusão, busca sistemática nas bases de dados ACM Digital Library, IEEE Digital Library, PubMed, Scopus e Web of Science, categorização dos estudos selecionados, análise crítica dos dados e apresentação dos resultados. Utilizou-se um recorte temporal entre 2019 e 2025, com aplicação de filtros por idioma (português, inglês e espanhol) e estratégias de busca adaptadas a cada idioma. A questão de pesquisa orientadora foi: “Como o processamento de linguagem natural está sendo aplicado na área de vacinas?” Das 884 publicações inicialmente recuperadas, 500 títulos foram analisados. Os resultados parciais indicam uma predominância de estudos desenvolvidos durante a pandemia de COVID-19, com foco no uso de técnicas de aprendizagem de máquina integradas ao processamento de linguagem natural para apoiar ações relacionadas à vacinação. Observa-se, ainda, a utilização de ferramentas computacionais voltadas à análise de sentimentos, extração de informações em redes sociais, mineração de textos científicos e construção de sistemas inteligentes. Conclui-se que a realização desta revisão é necessária para consolidar o conhecimento sobre as práticas computacionais empregadas no campo das vacinas, permitindo a identificação de técnicas, recursos, resultados e desafios enfrentados na aplicação de tecnologias ao domínio da saúde
Avaliação e propostas para sistemas de ancoragem em edifício residencial em Fortaleza
No full textEste trabalho tem por objetivo avaliar o estado de integridade, conformidade e desempenho de sistemas de ancoragem empregados em uma edificação de Fortaleza, à luz das exigências normativas e dos requisitos de gestão de riscos de quedas em trabalho em altura, identificando degradações que caracterizam risco iminente e propondo medidas de engenharia e de gestão para sua eliminação ou redução. A motivação decorre da recorrência de não conformidades em pontos de ancoragem no setor da construção e manutenção predial e do contexto ambiente de Fortaleza, cuja atmosfera marinha e condições climáticas potencializam processos corrosivos e a perda de desempenho de dispositivos metálicos ao longo do ciclo de vida. A metodologia adotada compreendeu: (i) levantamento documental do projeto e registros de instalação, inspeção e manutenção dos pontos de ancoragem; (ii) inspeção visual sistemática em campo com checklist técnico, cobertura fotográfica e classificação de anomalias por tipologia (corrosão, deformação, folgas, fissuração, ausência de identificação/rastreabilidade, fixações inadequadas, incompatibilidade de componentes, ausência de proteção anticorrosiva e de proteção contra borda cortante); (iii) verificação de conformidade com requisitos técnicos aplicáveis e boas práticas de SST no setor da construção (Peinado, 2016; Peinado, 2019), incluindo requisitos de projeto, instalação, uso, inspeção periódica e descontinuação; e (iv) avaliação de risco com base na gravidade da consequência (queda de altura), probabilidade de falha por degradação observada e exposição habitual de trabalhadores, classificando os pontos por níveis de criticidade para priorização de intervenções. Os principais resultados indicam a inexistência ou insuficiência de documentação técnica (projeto, ART e memorial descritivo), ausência de identificação dos pontos e de rastreabilidade de componentes, presença de corrosão generalizada e localizada em olhais, chumbadores e chapas base, fixações com torque insuficiente, uso de elementos de ligação incompatíveis, falhas de proteção contra arestas cortantes e, em alguns casos, indícios de deformações plásticas e perda de seção em componentes críticos, caracterizando risco iminente em parte dos pontos avaliados; constatou-se também a inexistência de um plano de inspeção e manutenção periódica, bem como lacunas na capacitação de usuários sobre critérios de retirada de serviço e sobre o uso correto em conjunto com linhas de vida, talabartes e conectores. As propostas abrangem: substituição dos pontos degradados por sistemas de ancoragem permanentes certificados e adequados ao ambiente marinho (materiais com maior resistência à corrosão, proteção de superfície e detalhamento construtivo que evite acúmulo de água), elaboração/”as built” do projeto com memória de cálculo, identificação individual e registro de rastreabilidade, ensaios de aceitação e de tração quando aplicável, implementação de um plano de inspeção periódica com critérios objetivos de aceitação e descarte, controle de torque e registro fotográfico, além de um plano de manutenção preditiva e preventiva alinhado à gestão de riscos desde a concepção (Valerio et al., 2013). Complementarmente, recomenda-se a padronização de procedimentos de uso, capacitação contínua dos usuários, sinalização dos pontos e integração do sistema de ancoragem ao Programa de Gerenciamento de Riscos da edificação, com indicadores de desempenho e auditorias internas. Conclui-se que, no contexto analisado, a degradação por corrosão e a ausência de gestão do ciclo de vida são os vetores principais que elevam a probabilidade de falha, configurando risco iminente em parcela significativa dos pontos; a adoção de soluções de engenharia compatíveis com o ambiente de exposição, associada a um modelo de gestão integrado e proativo da segurança e saúde no trabalho, é capaz de reduzir o risco a níveis aceitáveis e de aumentar a confiabilidade operacional dos sistemas de ancoragem, contribuindo para a prevenção de acidentes graves e fatais no trabalho em altura (Peinado, 2016; Peinado, 2019; Valerio et al., 2013)
CAREFL: CONTEXT-AWARE RECOGNITION OF EMOTIONS WITH FEDERATED LEARNING
No full textO reconhecimento de emoções a partir de imagens continua sendo um problema desafiador, pois depende não apenas de expressões faciais, mas também da postura corporal e de sinais contextuais do ambiente. Trabalhos anteriores, como EMOTIC (KOSTI et al., 2020), aproveitaram recursos de corpo-cena com CNNs, enquanto modelos recentes de visão-linguagem (VLMs) como LLaVA (LIU et al., 2023), NarraCap (YASAMAN ETESAM et al., 2024) e GPT-4o (OPENAI et al., 2024) mostraram que o raciocínio multimodal em larga escala pode melhorar a precisão. No entanto, esses métodos enfrentam duas limitações principais: (1) sua dependência de treinamento centralizado levanta preocupações com a privacidade em domínios sensíveis como saúde e educação, e (2) suas demandas computacionais dificultam a implementação em cenários reais com recursos limitados. Para resolver essas questões, o CAREFL: Context-Aware Recognition of Emotions with Federated Learning (Reconhecimento de Emoções Sensível ao Contexto com Aprendizado Federado) é proposto, uma estrutura leve projetada para combinar a força do raciocínio contextual de VLMs grandes com a eficiência de VLMs pequenos ajustados em um ambiente de aprendizado federado. O CAREFL segue um fluxo de trabalho de duas fases. Primeiro, um VLM grande congelado (LLaVA) gera descrições contextuais ricas que capturam sinais ambientais e sociais além das características faciais. Depois, um VLM pequeno e compacto (SMOLVLM2) é ajustado com Quantized Low-Rank Adaptation (QLoRA) em um ambiente federado, permitindo que vários clientes colaborem para adaptar o modelo sem compartilhar dados brutos. Este design visa preservar a privacidade enquanto possibilita um treinamento eficiente. Se espera avaliar o CAREFL tanto nos conjuntos de dados EMOTIC (múltiplas categorias, 26 rótulos) quanto no CAER-S (categoria única, 7 rótulos). Os resultados esperados incluem alcançar um desempenho competitivo com modelos centralizados grandes como o GPT-4o e o LLaVA, ao mesmo tempo em que reduzimos o número de parâmetros treinados em uma ordem de grandeza e diminuímos os requisitos de memória através de uma quantização de 4 bits. Também pretendemos demonstrar que a otimização federada pode melhorar a generalização sob distribuições de clientes não-IID, com experimentos planejados para estudar sistematicamente os efeitos de estratégias de agregação, taxas de participação de clientes e qualidade do contexto. O trabalho busca mostrar que VLMs federados leves, quando enriquecidos com raciocínio contextual, podem fornecer uma alternativa escalável e que preserva a privacidade em relação às arquiteturas centralizadas
Utilização do software Hydrus-1D na predição da infiltração de água no jardim de chuva da POLI/UPE
No full textNas últimas décadas, os impactos do processo de urbanização têm se intensificado significativamente. Estima-se que, em 2030, 60% da população mundial estará concentrada em centros urbanos, e no Brasil, especialmente na região hidrográfica do Paraná, essa concentração já ultrapassa 90% (IBGE, 2023; World Economic Forum, 2024). A urbanização rápida e não planejada acarreta diversas mudanças ambientais e problemas de infraestrutura urbana, incluindo um desequilíbrio no balanço hídrico. Esse desequilíbrio é evidenciado pela redução da infiltração de água no solo e pelo aumento das vazões de escoamento superficial, resultando em enxurradas e cheias urbanas. Tradicionalmente, a solução para a drenagem urbana tem sido a construção de galerias pluviais para transportar o escoamento superficial para fora das áreas urbanas. Contudo, essas estruturas muitas vezes não conseguem lidar com a magnitude das vazões, agravadas pela impermeabilização desordenada e problemas de manutenção das redes de drenagem. Com a tendência de adoção de práticas de desenvolvimento de baixo impacto ambiental, novas soluções complementares têm sido estudadas. Estas soluções visam manter o equilíbrio do balanço hídrico pré-desenvolvimento e incluem dispositivos que aumentam a infiltração, armazenam e retardam o escoamento, além de integrar medidas não estruturais para prevenir os problemas na fonte. Entre essas técnicas, destacam-se os sistemas de biorretenção, como os jardins de chuva, que são instalados em áreas escavadas e preenchidos com materiais permeáveis e orgânicos. Essas estruturas visam à retenção, filtração e infiltração das águas pluviais, contribuindo para a desconexão de áreas impermeáveis e proporcionando benefícios ambientais, ecológicos, paisagísticos e econômicos. Li e Zhao (2008) descrevem os jardins de chuva como estruturas de baixo custo e manutenção simples, que purificam e absorvem as águas pluviais, reduzindo o volume escoado e protegendo as águas subterrâneas. A principal função desses sistemas é captar, reter, retardar e minimizar ou evitar os impactos do escoamento superficial. Na Escola Politécnica da Universidade de Pernambuco (POLI/UPE) foi construído um jardim de chuva de 6 m², localizado no estacionamento em frente ao Bloco B. O terreno foi escavado a uma profundidade de 80 cm, sobre o qual foi colocada uma camada de 60 cm de brita 1, envolta superior e inferiormente por uma manta geotêxtil para dirimir a colmatação, e uma camada de substrato para as plantas de 20 cm de areia argilosa. As plantas cultivadas no jardim foram a Ixora coccinea e a Evolvulus glomeratus, ambas indicadas pela literatura para aplicação em jardins de chuva. O presente trabalho objetivou calcular o fluxo de infiltração de águas pluviais utilizando a predição do software Hydrus-1D, que é um modelo desenvolvido para simular o movimento unidimensional de água, calor e solutos em diferentes perfis de solo, resolvendo numericamente a Equação de Richards em condições de fluxo de água com saturação variável. As simulações utilizam variáveis meteorológicas e características físicas do solo, permitindo a definição de diversas condições de contorno e oferecendo várias opções para caracterização hidrodinâmica do solo. Para isso, o solo do fundo do terreno escavado foi analisado e determinada sua caracterização. No software foi definida a função de simular o fluxo vertical da água, definida a quantidade de três camadas do perfil do solo (substrato, brita e terreno natural), feita a escolha da simulação para um tempo de vinte e quatro horas com uma chuva de 10 mm/h. Os parâmetros para a equação de Richards e o modelo de van Genuchten-Mualem padrões do programa foram mantidos. Quanto aos perfis do solo, as três camadas foram configuradas de acordo com suas características e o modelo de predição neural estimou os parâmetros da curva de retenção de água e a condutividade hidráulica em solo saturado em função dos teores de argila, areia, silte e densidade do solo. O sistema foi configurado como tendo a superfície submetida à pressão atmosférica podendo formar uma camada de água de até cinco centímetros sobre a superfície do substrato; já a parte inferior do perfil foi configurada com drenagem livre. A análise resultou em uma estimação que, na superfície do jardim, há uma infiltração máxima de 1,42 cm/h, que decresce até se manter constante por volta de cinco horas de chuva e se mantém em 0,86 cm/h até o fim da simulação. O gráfico gerado pelo programa que estima o fluxo da água na superfície apresenta, inicialmente, uma curva com tendência logarítmica até, aproximadamente, a terceira hora de observação. Isso se deve a camada de brita armazenar um significativo volume de água após o substrato das plantas, para, logo em seguida, penetrar no solo do terreno natural de forma lenta. A partir de então, tende a uma reta horizontal constante até atingir as vinte e quatro horas de predição. Obteve-se assim uma curva de infiltração acumulada de aproximadamente 24 cm em vinte e quatro horas de chuva. Observa-se que o jardim supre razoavelmente a necessidade de drenar a água da chuva no local onde está instalado e ressalta-se a eficácia dos jardins de chuva em efetivar a infiltração de água e reduzir o escoamento superficial, proporcionando benefícios ambientais significativos. Para resultados mais precisos recomenda-se que a caracterização dos solos dos perfis seja feita em laboratório e os percentuais de areia, argila e silte sejam aplicados na predição
Desenvolvimento de um Processo de Aprendizado de Máquina para Avaliação da Fluência em Leitura
No full textHá atualmente no Brasil, um baixo índice de rendimento escolar nas habilidades e competências relacionadas à prática da leitura, fator este que tem gerado um aumento de produções científicas que discutem os métodos de avaliação e as dificuldades do aprendizado deste domínio (SILVA et al. 2020). As avaliações da fluência em leitura também necessitam de padronização e automatização para serem realizadas em larga escala e fornecerem informações úteis aos professores, para que eles possam adequar suas práticas em sala de aula às necessidades dos estudantes (CARCHEDI, et al. 2021). Neste contexto, o uso de tecnologias de reconhecimento automático de fala vêm sendo utilizados na construção de sistemas de avaliação de fluência. A automação dessas avaliações em larga escala pode reduzir os custos, tempo de execução e impacto da subjetividade humana na correção das atividades (FERREIRA et al. 2022). No entanto, muitos dos trabalhos realizados nesta área buscam avaliar a fluência apenas pela medição da precisão da leitura de palavras ou pseudopalavras, sendo esta apenas uma das 3 dimensões necessárias para a realização de uma avaliação da capacidade do indíviduo na prática da leitura. Dito isto, este trabalho objetiva o desenvolvimento de um processo de aprendizado de máquina que possa realizar a avaliação a partir das três dimensões de fluência: a precisão, a velocidade e a prosódia. O processo se constitui essencialmente das seguintes etapas: 1) Transcrição dos áudios selecionados; 2) Extração das características de fluência dos textos transcritos e; 3) Aplicação dos modelos de aprendizado de máquina para realização da predição da fluência. Como base de dados, foi utilizado um conjunto de 600 arquivos de áudio de leituras realizada por crianças do 2º e 3º ano de 30 escolas públicas de todas as regiões do Brasil, que foram coletadas e disponibilizadas pela Escribo. Para o processo de transcrição foi utilizado a ferramenta de reconhecimento automático de voz WhisperX (BAIN et al. 2023) com o modelo large-v3, onde os arquivos foram exportados em formato .json, preservando marcadores de tempo para cada segmento transcrito e para cada palavra. No processo de extração foram consideradas as três dimensões da fluência, onde precisão é a quantidade de palavras lidas corretamente, velocidade é a quantidade de palavras lidas corretamente por minuto e prosódia a quantidade de pausas de leitura realizadas corretamente. Por fim, o processo de aprendizado de máquina foi realizado considerando três diferentes experimentos, 1) Classificação Binária; 2) Classificação Multiclasse e; 3) Regressão, onde as variáveis independentes são as variáveis de máquina, obtidas através do processo de extração de características e a variável dependente é o score de fluência formado pela avaliação humana de uma especialista na área que ouviu e diagnosticou os 600 áudios de leitura. Como resultados principais, obtivemos taxas de 83% de acurácia na classificação binária, 75% de acurácia na classificação multiclasse e valores de MAE, MSE e R² de 1.09, 2.37 e 0.71 respectivamente, nas métricas de regressão. Com isto, espera-se que o processo de aprendizado de máquina construído, esteja apto a ser conectado à plataformas de ensino, para que essas avaliações de leitura possam ser realizadas em tempo real e assim servir como uma ferramenta de auxílio para que o professor possa tomar as ações pedagógicas necessárias
Cobertura Estatística Robusta para Redes Neurais Profundas através de Estratégias Combinadas de Data Augmentation usando Noise Injection
No full textMiscoverage refere-se à inadequação dos intervalos de confiança em capturar a variabilidade real dos dados. A validação cruzada é um método amplamente utilizado onde os dados são divididos em folds (subsets) para que o modelo seja treinado em diferentes partições de dados, permitindo uma avaliação mais robusta do modelo. Estudos recentes mostram que os intervalos de confiança obtidos por validação cruzada para estimar o erro de predição frequentemente falham, mas esse problema pode ser mitigado com o aumento da regularização nos modelos [Bates et al., 2023]. Técnicas de regularização como Data Augmentation (DA) e Noise Injection (NI) são essenciais nesse processo. A DA envolve a criação de novas amostras de treinamento a partir de modificações dos dados existentes, permitindo que o modelo aprenda uma variedade maior de padrões. A NI, por outro lado, introduz ruído nos dados de treinamento, penalizando o conteúdo de alta frequência e promovendo trajetórias de treinamento mais estáveis [Bishop, 1995; Camuto et al., 2020]. Este estudo propõe combinar essas estratégias não apenas como uma forma mais eficiente de regularização, mas também para aumentar a robustez dos modelos e mitigar o overfitting [Li e Spratling, 2023; Rice et al., 2023], que ocorre quando um modelo se ajusta excessivamente aos dados de treinamento. Para uma comparação mais precisa, foram considerados os seguintes cenários: Baseline, ruído Salt & Pepper, ruído Gaussiano, combinação de algumas estratégias de Augmentation [Shorten e Khoshgoftaar, 2019] e as Augmentations combinadas com cada um dos dois tipos de ruído mencionados (DAs+NI). Foram utilizadas duas arquiteturas já consolidadas, ResNet50 e Xception, com os datasets CIFAR-10 e CIFAR-10-C. Neste estudo, propomos uma nova forma de caracterizar o problema do miscoverage dos intervalos de confiança e avaliamos esta proposta utilizando modelos baseados em diferentes estratégias DAs+NI. Para isso, foram treinados modelos utilizando validação cruzada de 15 K-folds e geração de replicações dos resultados com alguns folds removidos de forma sequencial. Em seguida, uma normalização é realizada nos dados por modelo. Os resultados indicaram que a ResNet50 se beneficiou mais da NI em comparação com a Xception, e que a estratégia combinada de DAs e NI melhorou a generalização robusta dos modelos. Esta melhoria foi evidenciada pela redução da variabilidade nos intervalos de confiança, indicando uma melhor cobertura dos erros de predição. No entanto, é importante notar que a eficácia dessas técnicas pode variar dependendo do tipo de perturbação nos dados. Por exemplo, a perturbação por contraste apresentou desafios significativos, onde todas as estratégias, especialmente aquelas envolvendo NI, tiveram um desempenho inferior. Isso sugere que, embora a combinação de DAs e NI melhore a robustez em geral, a eficácia dessas técnicas pode ser dependente da classe específica dos dados [Balestriero et al., 2022]. Em conclusão, a integração de estratégias de DA com NI na regularização de DNNs não só combate o overfitting como também melhora a cobertura dos intervalos de confiança, reduzindo a miscoverage. Isso resulta em uma melhor representação da variabilidade dos dados e uma maior compreensão da incerteza associada às predições do modelo, principalmente em dados OoD. Essas descobertas sublinham a importância de explorar e combinar diferentes técnicas de regularização para alcançar modelos de aprendizado de máquina mais robustos e confiáveis. A atenção contínua à miscoverage e à precisão dos intervalos de confiança é fundamental para o desenvolvimento de modelos que possam operar de maneira eficaz em diversas condições reais
Aprendizagem federada com eficiência de comunicação para reconhecimento de objetos visuo-táteis
No full textCom o avanço crescente da tecnologia e de sensores dedicados, a Interação Humano-Robô (IHR) tem aprimorado significativamente suas capacidades. Os robôs agora podem coletar e integrar informações de várias fontes, possibilitando interações menos traumáticas psicologicamente para os humanos. Enquanto os humanos podem identificar objetos de forma instantânea e precisa, apesar de observações parciais causadas por oclusão ou variações na pose dos objetos, os robôs devem depender de processamento sensorial avançado e integração de dados. Considerando o treinamento de tais modelos com informações descentralizadas, cada parte de dados pode ser tratada como um cliente no paradigma de Aprendizado Federado. O Aprendizado Federado, uma abordagem de aprendizado de máquina, permite o treinamento de modelos em dados descentralizados, o que pode aprimorar o modelo geral, mas também enfrenta um grande desafio: a comunicação de dados entre os clientes e o servidor central. Essa comunicação deve garantir a transferência oportuna de dados e manter a privacidade das informações. Esta proposta visa desenvolver uma estrutura de aprendizado federado eficiente em comunicação para reconhecimento de objetos visuo-hápticos, aproveitando tanto dados visuais quanto táteis para aprimorar as capacidades de reconhecimento de objetos, ao mesmo tempo que aborda a sobrecarga de comunicação inerente aos sistemas de aprendizado federado. Uma metodologia exploratória é empregada para avaliar o potencial do aprendizado federado na detecção de anomalias e para melhorar a eficiência da comunicação. A pesquisa utiliza uma estrutura experimental para avaliar várias configurações de modelos, ajustando fatores como arquitetura do modelo, parâmetros de treinamento e características do conjunto de dados, com foco na análise quantitativa usando métricas como precisão, recall e F1-score para fornecer evidências empíricas da eficácia do modelo. Esta pesquisa oferece benefícios significativos para áreas onde a sensibilidade dos dados é crítica, identificando fatores-chave que influenciam o desempenho do modelo e fornecendo insights estratégicos para otimização
Combinação de modelos multimodais LayoutLMv3 e LILT para extração de entidades nomeadas em documentos
No full textEsta pesquisa avalia o desempenho da combinação dos modelos multimodais LayoutLMv3 e LiLT, que integram análise de imagem e texto durante o pré-treinamento, com foco na identificação de entidades nomeadas (NER). O objetivo foi comparar o desempenho dos modelos LayoutLMv3 e LiLT, tanto individualmente quanto em conjunto, na tarefa de NER, analisando a eficácia da combinação de informações visuais e textuais para melhorar a precisão e a robustez do reconhecimento de entidades em diferentes contextos. A metodologia incluiu o treinamento dos modelos com os conjuntos de dados FUNSD e CORD para validar a capacidade de generalização dos modelos. Ambos os algoritmos receberam documentos em formato PDF, nos quais foi aplicada uma ferramenta de OCR para a extração das entidades definidas. Os dados foram pré-processados e organizados em uma estrutura de coordenadas, permitindo que os modelos identificassem tanto as partes de imagem quanto de texto dos documentos. Os resultados demonstraram que a combinação dos modelos LayoutLMv3 e LiLT não apresentou ganhos expressivos em relação aos desempenhos individuais em cada conjunto de dados, apesar de representar uma abordagem comumente usada em competições internacionais na tarefa de extração de entidades nomeadas. Portanto, o uso combinado dos modelos é promissor para aprimorar os resultados na tarefa NER e estão em curso novas estratégias de combinação. Além disso, outro aspecto que justifica a combinação de modelos é aumentar a confiabilidade dos resultados obtidos
Modelos fractais na avaliação da retinopatia diabética
No full textDiabetes mellitus (DM) é uma das doenças crônicas mais incidentes no Brasil, e, até o ano de 2045, é provável que 23,2 milhões de brasileiros se tornem diabéticos (Sun et al., 2022). Dentre as complicações do DM está a retinopatia diabética, na qual a vasculatura da retina é comprometida, correspondendo a quinta causa mais comum de cegueira no mundo (Deepika et al., 2021). Técnicas inovadoras, como a análise fractal, têm estudado a geometria do complexo de artérias e veias da retina na avaliação de pacientes. O objetivo deste estudo foi analisar a retinopatia diabética com o uso de modelos fractais. Trata-se de uma revisão narrativa da literatura, na qual foi conduzida uma busca extensa de artigos científicos nas bases de dados Pubmed/Medline e Google Scholar, sem limitação de data da publicação, sendo usados os descritores: fractal, diabetic retinopathy e diabetes mellitus. Tem sido evidenciado que DM é uma doença de caráter metabólico, intimamente associada a fatores genéticos e ambientais, destacando-se a influência da alimentação do indivíduo. A peça-chave para entender o diabetes é o pâncreas, mais especificamente as células-beta pancreáticas, produtoras de insulina. No DM tipo 1, há um processo autoimune em que o corpo humano se torna alvo do seu sistema imune, fazendo com que seja instaurado um cenário deficitário na produção de insulina (Szablewski, 2014). Por outro lado, o DM tipo 2 é não insulino-dependente, assim, com a baixa funcionalidade das células-beta que é impulsionada pela resistência periférica à insulina, é dificultada a recepção da insulina nos receptores da membrana plasmática dos tecidos corpóreos, processo necessário para a captação da glicose do sangue para o meio intracelular. O DM tem ação prejudicial sobre o endotélio, importante estrutura vascular capaz de sintetizar substâncias que atuam na regulação do tônus vascular. Em decorrência dos danos gerados aos vasos dos pacientes com DM, instaura-se a retinopatia diabética. Alterações morfológicas nos vasos da retina predizem complicações vasculares do diabetes, incluindo a retinopatia diabética (Chen et al., 2024). Em seres humanos, imagens de fundo do olho obtidas pela oftalmoscopia, registradas através de fotografia da retina, têm sido empregadas para diagnosticar doenças como a retinopatia diabética. A dimensão fractal (DF), um número não inteiro e diferente de zero, que é resultado da análise fractal, tem possibilitado a comparação entre estruturas vasculares, quantificando a complexidade da estrutura e possibilitando a correlação com doenças retinianas, como a retinopatia diabética, e com doenças sistêmicas, como acidente vascular cerebral, doenças cardiovasculares, dentre outras (Deepika et al., 2021). A DF é um parâmetro que caracteriza tanto a rugosidade do contorno geométrico quanto a forma como o modelo fractal ocupa dimensionalmente o espaço. Na avaliação da retina em seres humanos, a DF tem sido calculada em imagens de angiografia fluoresceínica, angiografia por tomografia de coerência óptica e fotografia colorida do fundo de olho (Chen et al., 2017). Embora uma das propriedades dos fractais seja a auto-semelhança, a retina é um fractal natural, não auto-semelhante. Na análise fractal da vasculatura da retina, deve ser incluída a segmentação vascular, seguida pelo cálculo da DF. Em imagens de fundo de olho de seres humanos, geradas através de fotografia, tem sido viável o uso do método box-counting para o cálculo da DF da vasculatura da retina. Neste método é sobreposto ao fractal uma malha composta por diversos quadrados de tamanho infinitesimal, os quais são contabilizados e somados, possibilitando o cálculo da DF. Embora o método box-counting tenha sido comumente empregado, há outros métodos que têm tido bons resultados na análise fractal da vasculatura da retina, com diferenças significativas entre valores da DF em indivíduos saudáveis e indivíduos portadores de retinopatia diabética. Estudos têm demonstrado que a diminuição da DF da rede vascular é um indicativo precoce para alterações microvasculares na retina (Chen et al., 2017), tendo em vista que a DF vascular da retina tem descrito quantitativamente a complexidade do padrão de ramificação e a densidade do sistema vascular da retina. Conclui-se que as características geométricas da vasculatura da retina possibilitam uma análise robusta com os modelos fractais na diferenciação entre quadros saudáveis e patológicos, podendo vir a ser um biomarcador precoce de alterações vasculares com potencial uso para prever a incidência e progressão da retinopatia diabética.
Palavras-chave: diagnóstico médico; Engenharia Biomédica; fractal; imagem médica.
Referências
CHEN, Q. et al. Macular vascular fractal dimension in the deep capillary layer as an early indicator of microvascular loss for retinopathy in type 2 diabetic patients. Investigative Ophthalmology & Visual Science, v. 58, n. 9, p. 3785-3794, 2017.
CHEN, S. et al. Remnant cholesterol is correlated with retinal vascular morphology and diabetic retinopathy in type 2 diabetes mellitus: a cross-sectional study. Lipids in Health and Disease, v. 23, p. 75, 2024.
DEEPIKA, V. et al. Comparison of various fractal analysis methods for retinal images. Biomedical Signal Processing and Control, v. 63, p. 102245, 2021.
SUN, H. et al. IDF Diabetes Atlas: Global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Research and Clinical Practice, v. 183, p. 109119, 2022.
SZABLEWSKI, L. Role of immune system in type 1 diabetes mellitus pathogenesis. International Immunopharmacology, v. 22, n. 1, p. 182-191, 2014.
 
Produção de Energia e estimativa da eficiência de um módulo fotovoltaico
No full textOs sistemas de energia renovável são afetados pelas mudanças climáticas. As mudanças climáticas podem impactar toda a cadeia energética em todo mundo, uma vez que, o aquecimento global é um problema mundial (Yolcan e Kose, 2023; Anand et al., 2021). Buscando estimar a produção de energia e a eficiência de módulosfotovoltaico, que são parâmetros importantes na produção de energia solar, através de métodos diretos para elaboração de métricas a serem utilizadas na observação dos dados estimados (Yao et al., 2022; Wei et al.,2022). A pesquisa utilizou dados de 01 de janeiro de 2022 a 31 de dezembro de 2022 para as cidades de Salvador e Natal. Os dados foram obtidos através do site do Instituto Nacional de Meteorologia (INMET). Na metodologia foram apresentadas as métricas que foram utilizadas, as grandezas observadas e as metodologias escolhidas. Observando as grandezas radiação solar, temperatura ambiente e velocidade do vento, gerando dados através do método dos mínimos quadrados, equações de terceira e quarta ordem e gráficos da produção de energia estimada, além da eficiência do módulo fotovoltaico escolhido ao longo do dia e do ano para as duas cidades. Para Natal os meses com maior produção de energia estimada foram fevereiro com 4,172 x 105 W e outubro com 4,415 x 105 W e para Salvador foram janeiro 4,719 x 105 W e outubro com 4,259 x 105. Quando observado a eficiência para Natal o ponto mínimo alcançado está em torno de 12 horas com uma eficiência estimada variando entre 14,9% e 13,8% em fevereiro e 14,9% a 13,7% em outubro. Após obtenção dos dados foi realizada a comparação dos dados esperados com os medidos, entre as cidades e seus meses com maiores produção de energia estimada