Os sistemas automáticos são normalmente empregados na indústria com o objetivo de otimizar a produção. Na agro-indústria, estes sistemas são usados com o mesmo propósito, sendo que dentre estes sistemas é possível destacar os que empregam a visão computacional, pois esta tem sido usada para inspeção de lavouras, colheita mecanizada, guiagem de veículos e robôs entre outras aplicações. No presente trabalho, técnicas de visão computacional foram utilizadas para segmentar e classificar elementos presentes em imagens obtidas de pomares de laranjeiras. Uma arquitetura modular foi utilizada na qual a imagem é segmentada automaticamente e, posteriormente, os segmentos são classificados. Nesta arquitetura, o algoritmo de segmentação e o classificador podem ser alterados sem prejudicar a flexibilidade do sistema implementado. Foram realizados experimentos com um banco de imagens composto por 658 imagens. Estas imagens foram obtidas sob diferentes condições de iluminação durante o período que as frutas estavam maduras. Estes experimentos foram realizados para avaliar, no contexto da arquitetura desenvolvida, o algoritmo de segmentação JSEG, vetores de características derivados dos espaços de cores RGB e HSV, além de três tipos de classificadores: bayesiano, classificador ingênuo de Bayes e classificador baseado no perceptron multicamadas. Finalmente, foram construídos os mapas de classes. As funções de distribuição de probabilidades foram estimadas com o algoritmo de Figueiredo-Jain. Dos resultados obtidos, deve-se destacar que o algoritmo de segmentação mostrou-se adequado aos propósitos deste trabalho e o classificador bayesiano mostrou-se mais prático que o classificador baseado no perceptron multicamadas. Por fim, a arquitetura mostrou-se adequada para o reconhecimento de cenas obtidas em pomares de laranjeiras. / Automation systems are usually used in the industry to optimize the production. In the agroindustry, these systems are used with the same intentions. Among them are systems that use computer vision for inspection, mechanized harvest, vehicles and robots guidance and other applications. Because of this, in the present work, techniques of computer vision were used to segment and classify elements in the images from oranges orchards. A modular architecture was used. The image are automatically segmented and, then the segments are classified. In this architecture, the segmentation algorithm and the classifier can be modified without loss of flexibility. The experiments were carried out with 658 images. These images were acquired under different illumination conditions during the period that the fruits are mature. These experiments were carried out to evaluate, in the context of developed architecture, the segmentation algorithm JSEG, characteristics vectors derived from the colors spaces RGB and HSV and three classifiers: Bayes\'s classifier, Bayes\'s naive classifier and multilayer perceptron classifier. Finally, the class maps were constructed. The Figueiredo-Jain algorithm was used to estimate the probability distribution functions. The results show that the segmentation algorithm is adequate to this work and the Bayes classifier is more practical that the multilayer perceptron classifier. Finally, the architecture is adequate for recognition of images acquired in orange orchards.

Os sistemas automáticos são normalmente empregados na indústria com o objetivo de otimizar a produção. Na agro-indústria, estes sistemas são usados com o mesmo propósito, sendo que dentre estes sistemas é possível destacar os que empregam a visão computacional, pois esta tem sido usada para inspeção de lavouras, colheita mecanizada, guiagem de veículos e robôs entre outras aplicações. No presente trabalho, técnicas de visão computacional foram utilizadas para segmentar e classificar elementos presentes em imagens obtidas de pomares de laranjeiras. Uma arquitetura modular foi utilizada na qual a imagem é segmentada automaticamente e, posteriormente, os segmentos são classificados. Nesta arquitetura, o algoritmo de segmentação e o classificador podem ser alterados sem prejudicar a flexibilidade do sistema implementado. Foram realizados experimentos com um banco de imagens composto por 658 imagens. Estas imagens foram obtidas sob diferentes condições de iluminação durante o período que as frutas estavam maduras. Estes experimentos foram realizados para avaliar, no contexto da arquitetura desenvolvida, o algoritmo de segmentação JSEG, vetores de características derivados dos espaços de cores RGB e HSV, além de três tipos de classificadores: bayesiano, classificador ingênuo de Bayes e classificador baseado no perceptron multicamadas. Finalmente, foram construídos os mapas de classes. As funções de distribuição de probabilidades foram estimadas com o algoritmo de Figueiredo-Jain. Dos resultados obtidos, deve-se destacar que o algoritmo de segmentação mostrou-se adequado aos propósitos deste trabalho e o classificador bayesiano mostrou-se mais prático que o classificador baseado no perceptron multicamadas. Por fim, a arquitetura mostrou-se adequada para o reconhecimento de cenas obtidas em pomares de laranjeiras. / Automation systems are usually used in the industry to optimize the production. In the agroindustry, these systems are used with the same intentions. Among them are systems that use computer vision for inspection, mechanized harvest, vehicles and robots guidance and other applications. Because of this, in the present work, techniques of computer vision were used to segment and classify elements in the images from oranges orchards. A modular architecture was used. The image are automatically segmented and, then the segments are classified. In this architecture, the segmentation algorithm and the classifier can be modified without loss of flexibility. The experiments were carried out with 658 images. These images were acquired under different illumination conditions during the period that the fruits are mature. These experiments were carried out to evaluate, in the context of developed architecture, the segmentation algorithm JSEG, characteristics vectors derived from the colors spaces RGB and HSV and three classifiers: Bayes\'s classifier, Bayes\'s naive classifier and multilayer perceptron classifier. Finally, the class maps were constructed. The Figueiredo-Jain algorithm was used to estimate the probability distribution functions. The results show that the segmentation algorithm is adequate to this work and the Bayes classifier is more practical that the multilayer perceptron classifier. Finally, the architecture is adequate for recognition of images acquired in orange orchards.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-26T21:32:00Z No. of bitstreams: 1 LuizGustavoSantosBezerra_DISSERT.pdf: 3839629 bytes, checksum: 21df0eba070dadcafbbe2b09f7c40495 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-02-02T19:45:35Z (GMT) No. of bitstreams: 1 LuizGustavoSantosBezerra_DISSERT.pdf: 3839629 bytes, checksum: 21df0eba070dadcafbbe2b09f7c40495 (MD5) / Made available in DSpace on 2016-02-02T19:45:35Z (GMT). No. of bitstreams: 1 LuizGustavoSantosBezerra_DISSERT.pdf: 3839629 bytes, checksum: 21df0eba070dadcafbbe2b09f7c40495 (MD5) Previous issue date: 2015-01-26 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico - CNPq / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Este trabalho apresenta o desenvolvimento de um sistema de detec??o e diagn?stico de falhas em sensores de campo com corre??o do sinal com falhas dinamicamente, onde esse sistema ? baseado no conceito de agentes inteligentes, em uma arquitetura de multiagentes. O sistema tem como ambiente de atua??o a rede industrial Foundation Fieldbus. Para realizar a detec??o e o diagn?stico das falhas, s?o utilizados os algoritmos de redes neurais artificiais e l?gica fuzzy (atuando como classificador fuzzy), os quais s?o embarcados na rede industrial Foundation Fieldbus. Al?m disso, de forma a atuar junto ao sistema de detec??o, diagn?stico e corre??o de falhas foi desenvolvido um software que realiza o monitoramento e a supervis?o do mesmo, onde foi instanciado um agente se comunicando com a rede industrial. Os demais agentes s?o instanciados nos blocos funcionais da rede industrial. / This work performs the development of a system of detection and diagnosis of faults in field sensors with dynamically signal correction, which this system is based on the concept of intelligent agents, using architecture of multagents. The system operates in environment industrial network Foundation Fieldbus. To perform the detection and diagnosis of failures are used the algorithms of neural networks and fuzzy logic (acting like a fuzzy classifier), which are embedded in industrial network Foundation Fieldbus. Furthermore, in order to work with the system of detection, diagnosis and correction of failures was developed a software to perform the monitoring and supervision of the system, which was instantiated an agent communicating with the industrial network. The other agents are instantiated on the functional blocks of industrial network.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-11T17:32:14Z No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-15T21:46:07Z (GMT) No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) / Made available in DSpace on 2016-07-15T21:46:07Z (GMT). No. of bitstreams: 1 JhonnataBezerraDeCarvalho_DISSERT.pdf: 3154941 bytes, checksum: aab207a1be81d327327698a3f8ff9a2d (MD5) Previous issue date: 2016-02-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O classificador M?quina de Suporte Vetorial, que vem do termo em ingl?s \textit{Support Vector Machine}, ? utilizado em diversos problemas em v?rias ?reas do conhecimento. Basicamente o m?todo utilizado nesse classificador ? encontrar o hiperplano que maximiza a dist?ncia entre os grupos, para aumentar o poder de generaliza??o do classificador. Neste trabalho, s?o tratados alguns problemas de classifica??o bin?ria com dados obtidos atrav?s da eletroencefalografia (EEG) e eletromiografia (EMG), utilizando a M?quina de Suporte Vetorial com algumas t?cnicas complementares, destacadas a seguir como: An?lise de Componentes Principais para a identifica??o de regi?es ativas do c?rebro, o m?todo do periodograma que ? obtido atrav?s da An?lise de Fourier, para ajudar a discriminar os grupos e a suaviza??o por M?dias M?veis Simples para a redu??o dos ru?dos existentes nos dados. Foram desenvolvidas duas fun??es no $software$ \textbf{R}, para a realiza??o das tarefas de treinamento e classifica??o. Al?m disso, foram propostos 2 sistemas de pesos e uma medida sumarizadora para auxiliar na decis?o do grupo pertencente. A aplica??o dessas t?cnicas, pesos e a medida sumarizadora no classificador, mostraram resultados bastantes satisfat?rios, em que os melhores resultados encontrados foram, uma taxa m?dia de acerto de 95,31\% para dados de est?mulos visuais, 100\% de classifica??o correta para dados de epilepsia e taxas de acerto de 91,22\% e 96,89\% para dados de movimentos de objetos para dois indiv?duos. / The classifier support vector machine is used in several problems in various areas of knowledge. Basically the method used in this classier is to end the hyperplane that maximizes the distance between the groups, to increase the generalization of the classifier. In this work, we treated some problems of binary classification of data obtained by electroencephalography (EEG) and electromyography (EMG) using Support Vector Machine with some complementary techniques, such as: Principal Component Analysis to identify the active regions of the brain, the periodogram method which is obtained by Fourier analysis to help discriminate between groups and Simple Moving Average to eliminate some of the existing noise in the data. It was developed two functions in the software R, for the realization of training tasks and classification. Also, it was proposed two weights systems and a summarized measure to help on deciding in classification of groups. The application of these techniques, weights and the summarized measure in the classier, showed quite satisfactory results, where the best results were an average rate of 95.31% to visual stimuli data, 100% of correct classification for epilepsy data and rates of 91.22% and 96.89% to object motion data for two subjects.

Neste trabalho, foram utilizadas as vantagens da ferramenta matemática de análise temporal e espectral, a transformada wavelet discreta (DWT), além dos coeficientes de predição linear (LPC) e do algoritmo de inteligência artificial, Least Squares Support Vector Machines (LS-SVM), para aplicações em análise de sinais de voz e classificação de vozes patológicas. Inúmeros trabalhos na literatura têm demonstrado o grande interesse existente por ferramentas auxiliares ao diagnóstico de patologias da laringe. Os componentes da DWT forneceram parâmetros de medida para a análise e classificação das vozes patológicas, principalmente aquelas provenientes de pacientes com edema de Reinke e nódulo nas pregas vocais. O banco de dados com as vozes patológicas foi obtido do Departamento de Otorrinolaringologia e Cirurgia de Cabeça e Pescoço do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (FMRP-USP). Utilizando-se o algoritmo de reconhecimento de padrões, LS-SVM, mostrou-se que a combinação dos componentes da DWT de Daubechies com o filtro LP inverso levou a um classificador de bom desempenho alcançando mais de 90% de acerto na classificação das vozes patológicas. / The main objective of this work was to use the advantages of the time-frequency analysis mathematical tool, discrete wavelet transform (DWT), besides the linear prediction coefficients (LPC) and the artificial intelligence algorithm, Least Squares Support Vector Machines (LS-SVM), for applications in voice signal analysis and classification of pathological voices. A large number of works in the literature has been shown that there is a great interest for auxiliary tools to the diagnosis of laryngeal pathologies. DWT components gave measure parameters for the analysis and classification of pathological voices, mainly that ones from patients with Reinke\'s edema and nodule in the vocal folds. It was used a data bank with pathological voices from the Otolaryngology and the Head and Neck Surgery sector of the Clinical Hospital of the Faculty of Medicine at Ribeirão Preto, University of Sao Paulo (FMRP-USP), Brazil. Using the automatic learning algorithm applied in pattern recognition problems, LS-SVM, results have showed that the combination of Daubechies\' DWT components and inverse LP filter leads to a classifier with good performance reaching more than 90% of accuracy in the classification of the pathological voices.

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-07-15T14:04:04Z No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-15T18:37:45Z (GMT) No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-15T18:47:26Z (GMT) No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) / Made available in DSpace on 2015-07-15T18:47:26Z (GMT). No. of bitstreams: 1 Dissertação - Clahildek Matos Xavier.pdf: 23017599 bytes, checksum: f3e0230fd866c0a784966606404bb807 (MD5) Previous issue date: 2012-07-02 / Não Informada / Tuberculosis (TB) is a contagious disease caused by Mycobacterium tuberculosis that primarily affects the lungs and reaches over 8.8 million people worldwide. Although the number of cases of TB disease and deaths has fallen over the past years, this disease still remains a serious health problem in developing countries. Currently, as initial tests for the diagnosis of TB are used methods of smear bright field and fluorescence. The first is used mostly in developing countries, due to low cost, the second is the preferred method in developed countries to be more sensitive. Among the many challenges for the control of this disease is the development of a rapid, efficient and low cost for the diagnosis of tuberculosis. The process of diagnosis of smear-field course is time consuming, manual and error-prone, so that there is a high rate of false negatives. Various techniques for pattern recognition in the image smear bright field microscopy have been designed to recognize and count of the rods. This paper describes a new method for segmentation of tubercle bacilli in sputum bright field. The method proposed in this dissertation uses a classifier consisting of a support vector machine. The differential method is proposed in the variables selected for the input of the classifier. They were selected from four color spaces: RGB, HSI, YCbCr and Lab used to both individual characteristics such as subtractions of characteristics of the same color space and different color spaces. We investigated a total of 30 features. The best features were selected using the selection technique scalar features. With the proposed method was reached a sensitivity of 94%. However, further steps for noise reduction are required to minimize the classification errors. / A tuberculose (TB) é uma doença contagiosa causada pelo Mycobacterium tuberculosis que afeta, principalmente, os pulmões e atinge mais de 8,8 milhões de pessoas em todo o mundo. Embora o número de casos de doenças e mortes por TB tenham caído ao longo dos últimos anos, essa doença ainda continua sendo um grave problema de saúde nos países em desenvolvimento. Atualmente, como exames iniciais para o diagnóstico da TB são usados os métodos de baciloscopia de campo claro e baciloscopia de fluorescência. O primeiro é mais usado em países em desenvolvimento, devido ao baixo custo; o segundo é o método preferencial em países desenvolvidos por ser mais sensível. Entre os vários desafios para o controle dessa doença, está o desenvolvimento de um método rápido, eficiente e de baixo custo para o diagnóstico da TB. O processo de diagnóstico de baciloscopia de campo claro é demorado, manual e propenso a erros, fazendo com que haja uma alta taxa de falsos negativos. Várias técnicas de reconhecimento de padrão em imagens baciloscópicas de microscopia de campo claro têm sido desenvolvidas para o reconhecimento e contagem dos bacilos. Este trabalho descreve um novo método para segmentação de bacilos da tuberculose em baciloscopia de campo claro. O método proposto utiliza um classificador constituído por uma máquina de vetores de suporte. O diferencial do mesmo em relação a outros trabalhos está nas variáveis selecionadas para a entrada do classificador. Essas variáveis foram selecionadas a partir de quatro espaços de cor: RGB, HSI, YCbCr e Lab. Investigou-se tanto características individuais, como subtrações de características de um mesmo espaço de cor e de espaços de cores diferentes, num total de 30 características. As melhores características foram selecionadas utilizando-se a técnica de seleção escalar de características. Alcançou-se uma sensibilidade de 94%. No entanto, novas etapas para a redução de ruído são necessárias para minimizar os erros de classificação.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2017-06-23T19:10:20Z No. of bitstreams: 2 Dissertação - André Reis de Geus - 2016.pdf: 8269330 bytes, checksum: 1345e49235c545021c88a7baf696f5c0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Cláudia Bueno (claudiamoura18@gmail.com) on 2017-07-07T20:25:28Z (GMT) No. of bitstreams: 2 Dissertação - André Reis de Geus - 2016.pdf: 8269330 bytes, checksum: 1345e49235c545021c88a7baf696f5c0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-07-07T20:25:28Z (GMT). No. of bitstreams: 2 Dissertação - André Reis de Geus - 2016.pdf: 8269330 bytes, checksum: 1345e49235c545021c88a7baf696f5c0 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-03-10 / Fundação de Amparo à Pesquisa do Estado de Goiás - FAPEG / Insects cause significant losses of stored grains in both quantity and quality. In the scenary, it is of paramount importance an early identification of insects in grains to take control measures. Instead of sampling and visual/laboratory analysis of grains, we propose to carry out the insects identification task automatically, using computational methods to perform endoscopic video analysis. The videos are recorded inside of grains warehouses by an endoscopic camera. As the classification process of moving objects in video rely heavily on precise segmentation of moving objets, we propose a new method of background subtraction and compared their results with the main methods of the literature according to a recent review. The main innovation of the background subtractionmethod rely on the binarization process that uses two thresholds: a global and a local threshold. The binarized results are combined by adding details of the object obtained by the local threshold in the result of the global threshold. Experimental results performed through visual analysis of the segmentation results and using a SVM classifier, suggest that the proposed segmentation method produces more accurate results than the state-of-art background subtraction methods. / Insetos causam perdas quantitativas e qualitativas significantesemgrãos armazenados. Neste cenário, é de vital importância uma identificação rápida de insetos em grãos para que sejam tomadas medidas de controle. Ao invés de coletar amostras de grãos para análise visual/laboratorial, é proposta a realização desta tarefa de identificação de formaautomática, usando métodos computacionais para a análise de vídeos endoscópicos. Os vídeos são gravados dentro de armazéns de grãos usando câmera endoscópica. Como o processo de classificação de objetos em movimento em vídeo depende fundamentalmente de uma segmentação de objeto precisa, é proposto um novo método de segmentação por subtração de plano de fundo e comparado seus resultados com os principais métodos da literatura de acordo com um estudo de revisão recente. A principal inovação neste método de subtração de plano de fundo está no processo de binarização que usa dois thresholds: um global e um local. Os resultados binarizados são combinados pela adição de detalhes do objeto obtido pelo threshold local no resultado do threshold global. Resultados experimentais, realizados através de análise visual dos resultados de segmentação e usandoumclassificadorSVMindicamque o método de segmentação proposto produz melhores resultados que métodos do estado da arte atual da literatura de subtração de plano de fundo.

Submitted by isabela.moljf@hotmail.com (isabela.moljf@hotmail.com) on 2017-07-04T16:01:12Z No. of bitstreams: 1 rafaelvalenteveiga.pdf: 4234191 bytes, checksum: 215e887a2d4ac1ec9993886981d707eb (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-08-08T15:16:30Z (GMT) No. of bitstreams: 1 rafaelvalenteveiga.pdf: 4234191 bytes, checksum: 215e887a2d4ac1ec9993886981d707eb (MD5) / Made available in DSpace on 2017-08-08T15:16:30Z (GMT). No. of bitstreams: 1 rafaelvalenteveiga.pdf: 4234191 bytes, checksum: 215e887a2d4ac1ec9993886981d707eb (MD5) Previous issue date: 2017-03-08 / Nas últimas décadas os casos de asma e demais doenças alérgicas tiveram grande aumento em todo o mundo, sendo atualmente um grande problema de saúde pública. As causas do aumento da prevalência destas patologias são desconhecidas, porém a hipótese mais aceita é que seja oriunda da redução de infecções na infância como consequência da recente melhora nas condições de higiene. Esta redução das infecções pode levar ao desenvolvimento anômalo do sistema imune, aumentando assim a chance de desenvolver alergias e a asma. Tanto a asma como as demais alergias são patologias complexas, causadas por fatores genéticos e ambientais, de modo que o uso de ferramentas computacionais, tais como a programação genética podem contribuir para a compreensão destas doenças. Aplicou-se a técnica de Programação Genética Gramatical Multiobjetivo (MGGP) em dados obtidos de um coorte de 1445 crianças entre 4 e 11 anos para gerar modelos os quais possam representar como as relações entre infecções e ambiente podem explicar o desenvolvimento de atopia e asma. Para avaliar a presença de asma foi usado um questionário do ISAAC fase II e para avaliar atopia foram realizadas medições de anticorpos IgE contra alérgenos comuns e teste de reatividade cutânea. Os resultados obtidos mostram que os modelos gerados pela MGGP apresentam desempenho em acurácia competitivos aos obtidos pelo algoritmo C4.5 e regressão logística múltipla para os diferentes desfechos. Os resultados obtidos pela MGGP são de fácil interpretação, e capazes de encontrar relações complexas relevantes para o entendimento destas patologias, sendo assim, a MGGP é uma poderosa ferramenta para ajudar a compreender essas condições. / In the last decades cases of asthma and other allergic diseases have increased greatly throughout the world, being nowadays a major public health problem. The causes of this increased prevalence are unknown, however the most accepted hypothesis is that it comes from the reduction of childhood infections as a consequence of the recent improvement in hygiene conditions. This reduction of infections can lead to anomalous development of the immune system, thus increasing the chance of developing allergies, including asthma. Asthma and other allergies are complex pathologies caused by genetical and environmental factors, so the use of computational tools such as genetic programming can contribute to the understanding of these diseases. We applied the Multiobjective Grammatical Genetic Programming (MGGP) technique to data obtained from a cohort of 1445 children to generate models which may represent how the relationships between infections and environment may explain the development of allergies and asthma. To assess the presence of asthma, a questionnaire was used and allergy measurements were performed on IgE antibodies against common allergens and skin reactivity test. The results obtained show that the models generated by MGGP show a performance in accuracy that is competitive with those obtained by the algorithm C4.5 and multiple logistic regression for the different outcomes. The results obtained by MGGP are easy to interpret, and capable of finding complex relationship relevant to the understanding of these complex pathologies, therefore MGGP is a powerful tool to help understand these conditions.

Com o desenvolvimento e barateamento dos equipamentos de aquisição de imagens, principalmente na área médica, tem sido geradas muitas imagens, as quais devem ser analisadas pelos especialistas. Esta tarefa pode ser muitas vezes cansativa e demorada, levando a possíveis erros no diagnóstico, pois a leitura das imagens depende da experiência e do estado físico e emocional do médico. Assim, sistemas de auxílio ao diagnóstico por computador (Computer-aided diagnosis - CAD) têm se tornado grandes aliados no processo de diagnóstico, realizando uma segunda leitura da imagem, servindo como uma segunda opinião ao especialista. Por isso, é necessário o desenvolvimento de técnicas de mineração de imagens para o aumento da precisão e da velocidade da análise das imagens. Assim, o objetivo deste trabalho foi desenvolver métodos de representação de imagens e de classificação associativa para aumentar a precisão da classificação de sistemas de auxílio ao diagnóstico médico por imagens. Para a representação de imagens foram desenvolvidas técnicas para reduzir a lacuna que há entre a representação numérica das imagens e seu significado semântico, a qual é chamada de `gap semântico\'. Para isso, foi usada a teoria das redes complexas para modelar as imagens em redes livres de escala, e os descritores das imagens foram compostos pelas medidas topológicas extraídas rede modelada. Os vetores de características gerados foram bem compactos, o que possibilitou também evitar o problema da `maldição da alta dimensionalidade\'. Para a classificação, foi desenvolvido o classificador associativo SACMiner, por meio do uso de regras de associação estatísticas, o qual evita a fase de discretização de dados, lidando diretamente com dados contínuos. Este foi um passo importante, já que a discretização pode causar a perda de informações e gerar inconsistência na base de dados. Além do SACMiner, foi desenvolvido o classificador MinSAR, o qual, além de não demandar a fase de discretização, também evita que o usuário tenha que fornecer parâmetros de entrada ao algoritmo responsável por gerar as regras. As técnicas até aqui listadas foram aplicadas em um sistema de auxílio ao diagnóstico de mama e comparadas com técnicas descritas na literatura, e os resultados mostram que as técnicas aqui propostas sobrepujaram as atuais da literatura. E por fim, foram sugeridas novas medidas para caracterizar imagens de pacientes com epilepsia no lobo temporal mesial, por meio do uso de medidas de espessura cortical, as quais melhoraram a precisão do sistema para este tipo de diagnóstico / The complexity of medical images and the high volume of exams per radiologist in a screening program can lead to a scenario prone to mistakes. Hence, it is important to inforce double reading and effective analysis, but those are costly measures. The computer-aided diagnosis (CAD) technology offers an alternative to double reading, because it can provide a computer output as a `second opinion\' to assist radiologists in interpreting images. Using this technology, the accuracy and consistency of radiological diagnoses can be improved, and also the image reading time can be reduced. Therefore, the need of classification and image representation methods and to speed-up and to assist the radiologists in the image analysis task has been increased. These methods must be more accurate and demand low computational cost, in order to provide a timely answer to the physician. The aim of this thesis was to developed image representation and associative classifiers methods to improve the classification of computer-aided diagnosis systems. Considering the image representation, in this work, we present some approaches to reduce the gap between the numeric representation of the images and their semantic, which is called `semantic gap\'. For this, we used the complex network theory to produce an image model based on scale-free networks. The image descriptors were composed of topological measures of the modeled network. The feature vectors produced were quite compact, which also allowed to avoid the problem called as `curse of dimensionality\'. Considering the classification task, we proposed the SACMiner classifier, which uses statistical association rules in order to avoid the discretization step when working with continuous attributes. It is important because the discretization step can disturb the dataset and cause lost of information. We also proposed de MinSAR classifier, which mines the rules not requiring a discretization step neither input thresholds, as most of the other association rules methods do. These approaches were applied in a breast cancer computer-aided diagnosis system. And finally, we developed an automatic technique which can aid in distinguishing between controls and patients with mesial temporal lobe epilepsy, based on cortical thickness, and potentially identifying abnormalities in tissue integrity in cases where atrophy cannot be visualized

O desenvolvimento de novas tecnologias vem contribuindo para um conhecimento mais aprofundado da fisiopatologia dos transtornos psiquiátricos, mas os resultados ainda são controversos e não parecem ser específicos para cada diagnóstico. As altas taxas de comorbidade também questionam as características principais de um diagnóstico específico. Em 2009, o Instituto Nacional de Saúde Mental dos EUA iniciou um projeto chamado Research Domain Criteria (RDoC) com o objetivo de desenvolver novas classificações para a pesquisa baseadas em dimensões de comportamentos observáveis associadas a medidas neurobiológicas. Para o estudo da fisiopatologia da comorbidade entre duas doenças mentais, esta proposta sugere que se execute o estudo de sintomas compartilhados e não partir de dois grupos diagnósticos distintos. Na psiquiatria infantil, as altas taxas de comorbidade entre o transtorno do humor bipolar (THB) e o transtorno de déficit de atenção e hiperatividade (TDAH) são um tema controverso. O prejuízo na atenção é um forte candidato para um estudo com a metodologia proposta pelo RDoC visto que os poucos estudos que avaliaram concomitantemente a atenção em jovens com THB e TDAH apresentaram resultados contraditórios. Um dos testes mais utilizados para o estudo da atenção em THB e TDAH é o Continuous Performance Test (CPT). Nossos objetivos foram: 1.Verificar qual é o melhor agrupamento dos sujeitos através dos resultados do Conner\'s Continuous Performance Test (CPT II) independentemente do grupo de origem (THB, TDAH, THB+TDAH, controles); 2. Construir um classificador baseado nos resultados do CPT II; 3com THB+TDAH e 18 controles com idades entre 12 e 17 anos. A melhor divisão dos sujeitos, baseada nos resultados do CPT II, foi em dois novos subgrupos. Grupo A com 35 sujeitos composto de: 30% THB, 52,2% TDAH, 51,5% THB+TDAH, e 16,7% controles. Grupo B com 49 sujeitos: 70% THB, 47,8% TDAH, 48,5% THB+TDAH, e 83,3% controles. O grupo A comparado com o B apresentou um prejuízo funcional maior evidenciado por médias significativamente mais altas no CPT II, com uma diferença significativa em oito das 12 variáveis do CPT II: omissão (p=0,0003), comissão (p=0,00000002), erro padrão (EP) do tempo de reação (TR) (p=1,7x10-20), variabilidade do EP (p=4,3x10-22), detectabilidade (p=0,000008), perseveração (p=0,0000001), TR por intervalo interestímulo (IIE) (p=4,7x10-10) e TR(EP)IIE (p= 1,5x10 -13). Foi possível construir um classificador baseado nas doze variáveis do CPT II, sendo sua acurácia de 98,8% em relação a nossa amostra e 95,2% em relação à validação cruzada confirmando a consistência desses novos grupos. As principais variáveis do CPT II usadas na função discriminante desses novos agrupamentos foram: variabilidade do erro padrão, erro padrão de TR e erro padrão de TR por intervalo interestímulo. Não houve diferença estatística em nenhuma das variáveis do CPT II quando realizamos a comparação tradicional entre THB, TDAH, THB+TDAH, e controles; e a acurácia do classificador para esses grupos foi mais baixa, de 40,5% na nossa amostra e 23,8% na validação cruzada. Discussão: Esses resultados evidenciam a heterogeneidade encontrada nas respostas do CPT II pelos grupos THB, TDAH, THB+TDAH, e controles. As três medidas que mais influenciaram a diferenciação entre os novos agrupamentos A e B foram as que medem a variação no tempo de resposta, que é um dos prejuízos mais replicados no TDAH e também está associada com THB. Essa variabilidade de resposta aumentada é sugerida como um marcador endofenotípico inespecífico de psicopatologia. Conclusão: Nossos achados refletem a heterogeneidade encontrada em pacientes classificados através de categorias diagnósticas vigentes e sugerem que a abordagem da metodologia do RDoC pode ser de grande valia para a melhor compreensão dos transtornos psiquiátricos que acometem crianças e adolescentes. Essa metodologia pode identificar subgrupos com diferenças relevantes do ponto de visto neurobiológico contribuindo para a melhor compreensão da fisiopatologia dos transtornos e promovendo caminhos nos quais a pesquisa pode trazer benefícios para decisões clínicas / The better understanding of psychiatric disorders\' pathophysiology is undeniable. Yet, the results are still replete of controversy and are not diagnostic specific. Categorical approach analysis implicitly involves the notion of a unitary entity, not taking into account the acknowledged heterogeneity present in clinical diagnoses. High comorbidity rates also raises questions about the core features of a specific diagnosis. For this purpose, the National Institute of Mental Health has initiated the Research Domain Criteria (RDoC) project. Instead of using disorders categories as the basis for grouping individuals, RDoC suggests to find relevant dimensions that can cut across traditional disorders. The starting point suggested to study comorbid disorders should be shared symptoms and behaviors, instead of two distinct diagnostic groups. One of the strongest controversies in child psychiatry is the high comorbidity rate between bipolar disorder (BD) and attention-deficit/hyperactivity disorder (ADHD). Distractibility, one of the most common symptoms in BD and ADHD could be a good candidate for an RDoC unit of analysis. Our aim was first to study the patterns of attention based on the Conners\' Continuous Performance Test (CPTII) results in youth with BD, ADHD, BD+ADHD and controls; followed by developing a classifier to compare the classification accuracy of this new formed groups and the original diagnostic ones. Results: 18 healthy controls, 23 patients with ADHD, 33 BD+ADHD and 10 BD were assessed. Using cluster analysis, the entire sample was best clustered in two new groups, A and B, based on the twelve CPT II variables performance, independently of the original diagnoses. 35 subjects in group A: 30% BD, 52.2% ADHD, 51.5% BD+ADHD and 16.7% controls. 49 individuals in group B: 70% BD, 47.8% ADHD, 48.5% BD+ADHD and 83.3% controls. Group A presented a greater impairment exhibited by higher means in all CPTII variables, SNAP-IV means, and lower CGAS means. When we compared the CPT II variables performance between the new clustered groups A and B we found eight out of the twelve CPT II measures that were statistically significant: omission (p=0.0003), commission (p=0.00000002), standard error (SE) of hit reaction time (RT) (p=1.7x10-20), variability of SE (p=4.3x10 -22), detectability (p=0.000008), perseveration (p=0.0000001), hit RT by interstimulus interval (ISI) (p=4.7x10 - 10) and hit RT SE ISI. We found high cross-validated classification accuracy for A and B groups: 95.2%. The stronger CPT II variables in the discriminative pattern were: variability of standard error ranking first, followed by hit RT SE, hit RT SE ISI. There were no statistically significant differences in any of the CPT II measures when comparing the four original groups (BD, ADHD, BD+ADHD, controls). The cross-validated classification accuracy based on the CPT II measures performance in order to classify subjects in the original four groups was much lower (23.8%). Discussion: These results highlight the heterogeneity of CPT II responses among each of the four original groups: BD, ADHD, BD+ADHD and controls. The three variables that most influenced the new clustered groups were the ones that measure and adolescents may share this attentional trait marker. Conclusion: In summary, our findings highlighted the heterogeneity of patients clustered by categorical diagnostic classification. In addition, our classificatory exercise supports the concept behind new approaches like the RDoC framework for child and adolescent psychiatry. It can define meaningful clinical subgroups for the purpose of pathophysiological studies and treatment selection, and provide a pathway by which research findings can be translated into changes in clinical decision making