Imagem

Symposium IV

Tema: Imagem

Objeto:

abordagem de fundamentos e sistemas digitais e inteligentes no ambiente da produção de imagem na prevenção, no diagnóstico e na terapia.

Inscrições: https://forms.gle/SxctRK8FVTXfLKBV8
Informações: acm@acm-itea.org

Simposistas

Tema: Modelo Matemático da Tomografia Computadorizada de Raios X

Mostraremos qual é o modelo matemático que está por trás das imagens obtidas numa tomografia de raios X.

Currículo acadêmico

Possui graduação em Bacharelado em Física pela Universidade Federal da Bahia(1982), especialização em Matemática pela Universität Tübingen (1988), mestrado em Matemática pela Universidade de Brasília (1985) e doutorado em Matemática Aplicada pela Universidade Estadual de Campinas (1995). Atualmente é Professor Associado da Universidade Federal de Minas Gerais. Tem experiência na área de Matemática, com ênfase em Matemática Aplicada..

Tema: Uma nova aplicação de divergências de Bregman em reconstrução tomográfica de imagens

Apresentaremos um novo critério para escolha de parâmetros de regularização para a solução de problemas inversos. Este parâmetro é obtido através da minimização de um estimador não-tendencioso para uma nova classe de estimadores de Bregman.

Currículo acadêmico

É professor associado de matemática aplicada na Universidade de São Paulo. Possui graduação em matemática aplicada pela Universidade Estadual de Campinas, tendo concluído seu mestrado e doutorado na mesma instituição.

Seus interesses de pesquisa incluem diversos problemas inversos e otimização contínua.

Tema: Segmentação e Classificação de Tomografias usando Deep Learning

A apresentação explicita combinação de abordagens de aprendizado de máquina e etapas tradicionais de processamento de imagem para segmentar semanticamente e detecção de COVID-19 em dados de imagem tomográfica.

Redes neurais convolucionais foram usadas para melhorar a visibilidade dos limites dos grãos em imagens 3D de TC (CNNs).

Redes 2D U-Net, Redes GAN Pixel to Pixel e um 3D U-Net são os projetos CNN abordados neste estudo.

Currículo acadêmico

Professor pesquisador há mais de 15 anos nas áreas de inteligência artificial, engenharia de software e aprendizado de máquina.

Histórico comprovado de excelência no desenvolvimento e implementação de soluções de inteligência artificial e criação de algoritmos de otimização e previsão modelos analíticos usando técnicas e ferramentas relevantes. Pesquisador da Escola de Saúde Pública do Estado do Ceará, foi cientista de Dados na Stratio, líder de Inteligência Artificial na Secretaria de Saúde do Estado do Ceará e Professor Adjunto da Universidade Federal do Ceará.

Possui doutorado em Informática Aplicada pela Universidade de Fortaleza.

Tem experiência na área de Ciência da Computação, com ênfase em Aprendizado de Máquina e Testes de Software, atuando principalmente nos seguintes temas: aprendizado de máquina, Deep Learning, integração contínua, teste e extremming programming.