Orientador: Francisco José Teixeira-Neto / Resumo: Introdução e objetivos: Mensurações do débito cardíaco (DC) pela técnica termodiluição transpulmonar (DCTP) e pela análise de contorno de pulso com calibração pela técnica transpulmonar (DCACP) são alternativas menos invasivas em comparação ao DC fornecido pela técnica de termodiluição de artéria pulmonar (DCP). Entretanto, instabilidades hemodinâmicas podem alterar o desempenho destes métodos. A Fase I do estudo objetivou avaliar se a utilização de 10 mL de indicador térmico (solução fisiológica a ≤ 5oC) para o DCTP (artéria femoral) promoveria melhor concordância e habilidade em detectar alterações no DCP em comparação a 5 mL de indicador. Na Fase II, objetivou-se verificar se alterações na resistência vascular sistêmica (RVS) influenciariam a concordância e a habilidade em detectar tendências entre o DCACP e o DCP. Métodos: Em 8 cães adultos (20,8–31,5 kg), mensurações simultâneas em triplicata do DCTP e DCP foram obtidas utilizando 5 e 10 mL de indicador térmico durante anestesia com isoflurano associado ou não com a infusão contínua intravenosa de remifentanil (0,3 e 0,6 μg/kg/min) ou de dobutamina (2,5 e 5,0 μg/kg/min) (Fase I). Durante a Fase II, o DCACP e o DCP foram mensurados simultaneamente (triplicata) antes e durante alterações na RVS induzidas pela infusão contínua de fenilefrina (1,0 μg/kg/min) ou de nitroprussiato (1,0 μg/kg/min). A acurácia e a precisão da concordância entre métodos foram estudadas pela análise de Bland-Altman para medidas múltiplas (Fase I) ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Background and objectives: Cardiac output (CO) measurements by transpulmonary thermodilution (TPTDCO) and by pulse contour analysis calibrated with transpulmonary thermodilution (PCACO) are less invasive alternatives to pulmonary artery thermodilution (PATDCO). However, hemodynamic instability could affect the performance of these methods. The objective of Phase I of the study was to determine if the use of 10 mL of thermal indicator (physiological saline at ≤ 5oC) for TPTDCO (measured in the femoral artery) would improve the agreement and trending ability with PATDCO in comparison to 5 mL of indicator. During Phase II, the aim was to verify if changes in systemic vascular resistance (SVR) would alter the agreement and trending ability between PCACO and PATDCO. Methods: In eight adult dogs (20.8–31.5 kg), simultaneous TPTDCO and PATDCO measurements (averaged from 3 repetitions) using 5 and 10 mL of thermal indicator were obtained during isoflurane anesthesia combined or not with intravenous remifentanil (0.3 e 0.6 μg/kg/min) or dobutamine (2.5 e 5.0 μg/kg/min) (Phase-1). During Phase-2, triplicate PCACO and PATDCO measurements were recorded before and during phenylephrine (1.0 μg/kg/min) or nitroprusside (1.0 μg/kg/min) induced changes in SVR. The accuracy and precision of agreement was evaluated by the Bland-Altman method for multiple measurements (Phase I) and for single measurements per subject (Phase 2). The ability of the test methods (PCACO and TPTDCO) to detect changes... (Complete abstract click electronic access below) / Doutor

Este trabalho apresenta um método para análise do contorno de gotas de chuva artificial em imagem digital, o qual se caracteriza como uma ferramenta para melhor compreensão dos processos agrícolas que envolvem o uso de chuvas artificiais, como a irrigação e a aplicação de defensivos, sendo desenvolvido com o uso de técnicas para análise de formas bidimensionais e processamento de sinais, como representação de formas por contornos paramétricos, análise de Fourier e filtragem gaussiana. Os resultados obtidos demonstram precisão na análise de imagens de aglomerados de gotas, acrescentando as características de descritor apresentadas pela curvatura, assim como a flexibilidade de calibração oferecidas pela abordagem multi-escala adotada, possibilitando a obtenção de erros de medida não maiores que 5%, para os padrões circulares testados com raios entre 10 e 200 pixels / This work presents a method for contour analysis of artificial rain drop based on both digital image and curvature processing. The method is characterized as a tool, which allows a better understanding of the raindrops in irrigation and agrochemicals spraying processes. Its development was based on parametric contours representation of shapes, Fourier analysis, and Gaussian filtering. Results show the suitability of the method, which presents errors smaller than 5% for curvature determination in the range of the radius variation in betwen 10 and 200 pixels as well as the ability for raindrop clusters analysis

A identificação de unia planta exige, pelos padrões de taxionomia vegetal, a análise de folhas, flores e frutos. O projeto TreeVis surge com uma proposta de auxiliar na identificação de espécies vegetais, por meio do uso de métodos biométricos, a partir da análise de alguns atributos de uma folha. A contribuição inicial deste trabalho de mestrado, para o projeto TreeVis, está obtenção de classificadores por meio do uso de assinaturas de contorno, sob o domínio da frequência, possibilitando a composição de diversos tipos de assinaturas e classificadores para uma mesma espécie. Devido à baixa eficiência obtida por métodos de classificação como distância mínima, optou-se pelo uso de redes neurais. Essa abordagem evidenciou a necessidade de solução de dois problemas: o grande número de possibilidades de composição de sinais o que ocasionaria um grande esforço computacional para a obtenção de todas respectivas redes neurais; e o reduzido número das amostras utilizadas no trabalho - o qual comprometeria as etapas de treinamento e teste de uma rede neural. Para a solução desses problemas, foram desenvolvidos dois métodos: o primeiro método identifica e seleciona as assinaturas que apresentam um maior potencial de sucesso em obter um classificador por meio de redes neurais, solucionando o problema e desperdício de esforço computacional; o segundo método possibilita a geração de amostras artificiais de folhas através da combinação dos espectros de frequência do contorno das amostras reais por meio operadores genéticos de cross-over e mutação. Solucionadas as duas questões, foram obtidas diversas redes neurais, através da indicação das assinaturas de melhor potencial e treinadas com amostras artificiais. Do total de 31 classes, 7 foram descartadas da tentativa de obtenção de classificadores por não apresentarem nenhuma assinatura com potencial de classificação - conforme indicação do método desenvolvido. Das 24 espécies restantes, foram obtidos classificadores para 18 espécies (75%) com taxas médias de 85% de acerto. A execução deste trabalho necessitou do desenvolvimento de um arcabouço para a automatização da geração, treinamento e teste das redes neurais. / The vegetable identifieation is done, in vegetal taxonomy standards, by fiower, fruits and leaves analyses. The TreeVis project proposes to identifv vegetal speeiniens by biometric methods using only same leaf features. The contribution of this work for to TreeVis project is the generation of classifiers by the contour signatures, under frequency domain, niaking be able the coniposition of several types of signatures and classifiers for the same speeimen. Because of poor efficiency results from methods like minimal distance, was chosen to use neural networks. This approach showed the need to solve two probleins: the numerous composition possibilities of signatures - that would be need a big computational effort to obtained ali possible neural networks; and the small number of speeimen samples - that would compromise the training and test. of neural networks. To solve these two probleins was developed two methods: The first identify and select the signatures that have a good pattern recognition potential, before of the network will be done, solving the waste unneeded effort problem. The second method proposed produces artificial leaf sliapes by combination of contour spectrum frequency speeiniens of real leaves, using genetic operators like cross-over and mutation. Solved these probleins several networks was obtained by appointed potential signature methods and trained and tested with artificial leaves. From 31 speeiniens class, 07 were discarded because tliey had not signatures with classification potential - indicated by developed method. From 24 classes remaining were obtained classifiers for 18 classes (75%) with médium rates 85% of set riglit. The execution of this work demanded the construction of a framework to automatize the generation, training and test of the neural networks.

Este trabalho apresenta um método para análise do contorno de gotas de chuva artificial em imagem digital, o qual se caracteriza como uma ferramenta para melhor compreensão dos processos agrícolas que envolvem o uso de chuvas artificiais, como a irrigação e a aplicação de defensivos, sendo desenvolvido com o uso de técnicas para análise de formas bidimensionais e processamento de sinais, como representação de formas por contornos paramétricos, análise de Fourier e filtragem gaussiana. Os resultados obtidos demonstram precisão na análise de imagens de aglomerados de gotas, acrescentando as características de descritor apresentadas pela curvatura, assim como a flexibilidade de calibração oferecidas pela abordagem multi-escala adotada, possibilitando a obtenção de erros de medida não maiores que 5%, para os padrões circulares testados com raios entre 10 e 200 pixels / This work presents a method for contour analysis of artificial rain drop based on both digital image and curvature processing. The method is characterized as a tool, which allows a better understanding of the raindrops in irrigation and agrochemicals spraying processes. Its development was based on parametric contours representation of shapes, Fourier analysis, and Gaussian filtering. Results show the suitability of the method, which presents errors smaller than 5% for curvature determination in the range of the radius variation in betwen 10 and 200 pixels as well as the ability for raindrop clusters analysis

A identificação de unia planta exige, pelos padrões de taxionomia vegetal, a análise de folhas, flores e frutos. O projeto TreeVis surge com uma proposta de auxiliar na identificação de espécies vegetais, por meio do uso de métodos biométricos, a partir da análise de alguns atributos de uma folha. A contribuição inicial deste trabalho de mestrado, para o projeto TreeVis, está obtenção de classificadores por meio do uso de assinaturas de contorno, sob o domínio da frequência, possibilitando a composição de diversos tipos de assinaturas e classificadores para uma mesma espécie. Devido à baixa eficiência obtida por métodos de classificação como distância mínima, optou-se pelo uso de redes neurais. Essa abordagem evidenciou a necessidade de solução de dois problemas: o grande número de possibilidades de composição de sinais o que ocasionaria um grande esforço computacional para a obtenção de todas respectivas redes neurais; e o reduzido número das amostras utilizadas no trabalho - o qual comprometeria as etapas de treinamento e teste de uma rede neural. Para a solução desses problemas, foram desenvolvidos dois métodos: o primeiro método identifica e seleciona as assinaturas que apresentam um maior potencial de sucesso em obter um classificador por meio de redes neurais, solucionando o problema e desperdício de esforço computacional; o segundo método possibilita a geração de amostras artificiais de folhas através da combinação dos espectros de frequência do contorno das amostras reais por meio operadores genéticos de cross-over e mutação. Solucionadas as duas questões, foram obtidas diversas redes neurais, através da indicação das assinaturas de melhor potencial e treinadas com amostras artificiais. Do total de 31 classes, 7 foram descartadas da tentativa de obtenção de classificadores por não apresentarem nenhuma assinatura com potencial de classificação - conforme indicação do método desenvolvido. Das 24 espécies restantes, foram obtidos classificadores para 18 espécies (75%) com taxas médias de 85% de acerto. A execução deste trabalho necessitou do desenvolvimento de um arcabouço para a automatização da geração, treinamento e teste das redes neurais. / The vegetable identifieation is done, in vegetal taxonomy standards, by fiower, fruits and leaves analyses. The TreeVis project proposes to identifv vegetal speeiniens by biometric methods using only same leaf features. The contribution of this work for to TreeVis project is the generation of classifiers by the contour signatures, under frequency domain, niaking be able the coniposition of several types of signatures and classifiers for the same speeimen. Because of poor efficiency results from methods like minimal distance, was chosen to use neural networks. This approach showed the need to solve two probleins: the numerous composition possibilities of signatures - that would be need a big computational effort to obtained ali possible neural networks; and the small number of speeimen samples - that would compromise the training and test. of neural networks. To solve these two probleins was developed two methods: The first identify and select the signatures that have a good pattern recognition potential, before of the network will be done, solving the waste unneeded effort problem. The second method proposed produces artificial leaf sliapes by combination of contour spectrum frequency speeiniens of real leaves, using genetic operators like cross-over and mutation. Solved these probleins several networks was obtained by appointed potential signature methods and trained and tested with artificial leaves. From 31 speeiniens class, 07 were discarded because tliey had not signatures with classification potential - indicated by developed method. From 24 classes remaining were obtained classifiers for 18 classes (75%) with médium rates 85% of set riglit. The execution of this work demanded the construction of a framework to automatize the generation, training and test of the neural networks.