Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.

Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.

Esta tese de doutorado trata de algoritmos de detecção cooperativa aplicados ao problema de sensoriamento espectral em sistemas de rádios cognitivos. O problema de detecção cooperativa é abordado sob dois paradigmas distintos: detecção centralizada e distribuída. No primeiro caso, considera-se que o sistema conta com um centro de fusão responsável pela tomada de decisão no processo de detecção. Já no segundo caso, considera-se que os rádios cognitivos da rede trocam informações entre si e as decisões são tomadas localmente. No que concerne ao sensoriamento espectral centralizado, são estudados os casos em que os rádios cognitivos enviam apenas um bit de decisão para o centro de fusão (decisão do tipo hard) e também o caso em que o detector envia a própria estatística de teste ao centro de fusão (decisão do tipo soft). No âmbito de sensoriamento espectral cooperativo com detecção distribuída, são tratados três cenários diferentes. No primeiro, considera-se o caso em que os rádios cognitivos têm conhecimento a priori do sinal enviado pelo usuário primário do sistema e do canal entre eles e o usuário primário. No segundo caso, há conhecimento apenas do sinal enviado pelo usuário primário. Já no terceiro, os rádios cognitivos não dispõem de qualquer informação a priori do sinal enviado pelo usuário primário. Além do problema de detecção distribuída, a tese também apresenta um capítulo dedicado ao problema de estimação, diretamente associado ao de detecção. Esse último problema é abordado utilizando algoritmos derivados da teoria clássica de filtragem adaptativa. / This doctorate thesis deals with cooperative detection algorithms applied to the spectral sensing problem. The cooperative detection problem is approached under two different paradigms: centralized and distributed detection. In the first case, is considered that a fusion center responsible for detection decision is presented in the system. On the other hand, in the second case, is considered that the cognitive radios in the network exchange information among them. Concerning the centralized spectrum sensing system, the case in which the cognitive radios send only one decision bit (hard decision) to the fusion center and the case in which the detector send the statistic test (soft decision) are considered. Regarding the spectrum sensing system with distributed detection, the work analysis three different scenarios. In the first one, where the cognitive radios explore an a priori knowledge of the primary user signal and the channel between the primary user and the cognitive radio. In the second one, the cognitive radios use an a priori knowledge of only the primary user signal. And, in the las scenario, there is no a priori knowledge about the primary user signal. Besides the distributed detection problem, the thesis also presents a chapter dedicated to the estimation problem, which is directed related to the detection problem. This last issue is approached using adaptive algorithms derived from the classic adaptive filtering theory.

nÃo hà / A Rede Auto-OrganizÃvel de Kohonen (Self-Organizing Map - SOM), por empregar um algoritmo de aprendizado nÃo supervisionado, vem sendo tradicionalmente aplicada na Ãrea de processamento de sinais em tarefas de quantizaÃÃo vetorial, enquanto que redes MLP (Multi-layer Perceptron) e RBF (Radial Basis Function) dominam as aplicaÃÃes que exigem a aproximaÃÃo de mapeamentos entrada-saÃda. Este tipo de aplicaÃÃo à comumente encontrada em tarefas de filtragem adaptativa que podem ser formatadas segundo a Ãtica da modelagem direta e inversa de sistemas, tais como identificaÃÃo equalizaÃÃo de canais de comunicaÃÃo. Nesta dissertaÃÃo, a gama de aplicaÃÃes da rede SOM à estendida atravÃs da proposiÃÃo de filtros adaptativos neurais baseados nesta rede, mostrando que os mesmos sÃo alternativas viÃveis aos filtros nÃo-lineares baseados nas redes MLP e RBF. Isto torna-se possÃvel graÃas ao uso de uma tÃcnica recentemente proposta, Quantized Temporal Associative Memory - VQTAM), que basicamente usa a filosofia de chamada MemÃria Associativa Temporal por QuantizaÃÃo Vetorial (Vector )treinamento da rede SOM para realizar a quantizaÃÃo vetorial simultÃnea dos espaÃos de entrada e de saÃda relativos ao problema de filtragem analisado. A partir da tÃcnica VQTAM, sÃo propostos trÃs arquiteturas de filtros adaptativos baseadas na rede SOM, cujos desempenhos foram avaliados em tarefas de identificaÃÃo e equalizaÃÃo de canais nÃolineares. O canal usado nas simulaÃÃes foi modelado como um processo auto-regressivo de Gauss-Markov de primeira ordem, contaminado com ruÃdo branco gaussiano e dotado de nÃo-linearidade do tipo saturaÃÃo (sigmoidal). Os resultados obtidos mostram que filtros adaptativos baseados na rede SOM tÃm desempenho equivalente ou superior aos tradicionais filtros transversais lineares e aos filtros nÃo-lineares baseados na rede MLP.

Adaptive filtering has grown to become a fundamental topic in signal processing, increasingly attracting attention from the community. Important factors in this popularization were their low computational complexity and model-free nature, adapting even to nonstationary characteristics of the systems and/or signals under study. Nevertheless, many adaptive algorithms introduce trade-offs, for instance, between convergence rate, nonstationary signals tracking, and steady-state error, which can hinder their use in practical applications. Furthermore, some adaptive filters can become unstable when word length is reduced and/or the input data are highly correlated. Recently, combination of adaptive filters was put forward as a solution for such issues. This approach consists in combining a pool of filters by means of a supervisor that attempts to make the overall system at least as good (usually in the mean-square sense) as the best filter in the set. Examples of these structures have been shown to successfully solve this problem, although well-known limitations remain to be addressed. Moreover, due to the relative novelty of this topic, developments in combination of adaptive filters are difficult to accommodate into a common theoretical framework. This work studies combination of adaptive filters and addresses the aforementioned issue by (i) classifying the existing combinations and proposing a taxonomy that exposes the similarities and differences in their forms; (ii) proposing new combinations; (iii) devising a general framework for studying combinations of adaptive filters and using such framework in performance analyses. / Filtragem adaptativa vem ganhando destaque desde seu surgimento tornando-se um tópico de estudo fundamental em processamento de sinais. A versatilidade de dispensarem total conhecimento das propriedades estatísticas dos sinais, aliada à simplicidade computacional de seus métodos, foram importantes fatores em sua consagração. Apesar disto, muitos filtros adaptativos apresentam compromissos envolvendo, por exemplo, velocidade de convergência, rastreamento de sinais não-estacionários e erro em regime, que podem dificultar sua aplicação na prática. Ademais, alguns algoritmos adaptativos são instáveis quando suas entradas são altamente correlacionados e/ou a precisão dos cálculos é reduzida. Uma solução recente para estes problemas é o uso de combinações de filtros adaptativos. Esta abordagem baseia-se em combinar um conjunto de filtros por meio de um supervisor que procura fazer com que o sistema global seja pelo menos tão bom (em geral no sentido quadrático médio) quanto o melhor filtro do conjunto. Exemplos destas estruturas já mostraram a eficácia deste método, apesar de ainda existirem reconhecida limitações. Além disso, em se tratando de um tópico relativamente recente, os desenvolvimentos na área de combinação de filtros adaptativos não possuem uma estrutura teórica unificada. Este trabalho propõe abordar estas questões (i) classificando as combinações existentes e criando uma taxonomia que explicite semelhanças e diferenças entre elas; (ii) introduzindo novas combinações; e (iii) desenvolvendo uma forma unificada de descrever combinações de filtros adaptativos e usando-a em análises de desempenho.

This document introduces a new class of adaptive filters, namely Geometric- Algebra Adaptive Filters (GAAFs). Those are generated by formulating the underlying minimization problem (a least-squares cost function) from the perspective of Geometric Algebra (GA), a comprehensive mathematical language well-suited for the description of geometric transformations. Also, differently from the usual linear algebra approach, Geometric Calculus (the extension of Geometric Algebra to differential calculus) allows to apply the same derivation techniques regardless of the type (subalgebra) of the data, i.e., real, complex-numbers, quaternions etc. Exploiting those characteristics, among others, a general leastsquares cost function is posed, from which two types of GAAFs are designed. The first one, called standard, provides a generalization of regular adaptive filters for any subalgebra of GA. From the obtained update rule, it is shown how to recover the following least-mean squares (LMS) adaptive filter variants: real-entries LMS, complex LMS, and quaternions LMS. Mean-square analysis and simulations in a system identification scenario are provided, showing almost perfect agreement for different levels of measurement noise. The second type, called pose estimation, is designed to estimate rigid transformations { rotation and translation - in n-dimensional spaces. The GA-LMS performance is assessed in a 3-dimensional registration problem, in which it is able to estimate the rigid transformation that aligns two point clouds that share common parts. / Este documento introduz uma nova classe de filtros adaptativos, entitulados Geometric-Algebra Adaptive Filters (GAAFs). Eles s~ao projetados via formulação do problema de minimização (uma função custo de mínimos quadrados) do ponto de vista de álgebra geométrica (GA), uma abrangente linguagem matemática apropriada para a descrição de transformações geométricas. Adicionalmente, diferente do que ocorre na formulação com álgebra linear, cálculo geométrico (a extensão de álgebra geométrica que possibilita o uso de cálculo diferencial) permite aplicar as mesmas técnicas de derivação independentemente do tipo de dados (subálgebra), isto é, números reais, números complexos, quaternions etc. Usando essas e outras características, uma função custo geral de mínimos quadrados é proposta, da qual dois tipos de GAAFs são gerados. O primeiro, chamado standard, generaliza filtros adaptativos da literatura concebidos sob a perspectiva de subálgebras de GA. As seguintes variantes do filtro least-mean squares (LMS) s~ao obtidas como casos particulares: LMS real, LMS complexo e LMS quaternions. Uma análise mean-square é desenvolvida e corroborada por simulações para diferentes níveis de ruído de medição em um cenário de identificação de sistemas. O segundo tipo, chamado pose estimation, é projetado para estimar transformações rígidas - rotação e translação { em espaços n-dimensionais. A performance do filtro GA-LMS é avaliada em uma aplicação de alinhamento tridimensional na qual ele estima a tranformação rígida que alinha duas nuvens de pontos com partes em comum.

O objetivo deste trabalho é apresentar um novo método para a remoção do ruído Poisson em imagens de mamografia digital adquiridas com baixa dosagem de radiação. Sabe-se que a mamografia por raios X é o exame mais eficiente para a detecção precoce do câncer de mama, aumentando consideravelmente as chances de cura da doença. No entanto, a radiação absorvida pela paciente durante o exame ainda é um problema a ser tratado. Estudos indicam que a exposição à radiação pode induzir a formação do câncer em algumas mulheres radiografadas. Apesar desse número ser significativamente baixo em relação ao número de mulheres que são salvas pelo exame, existe a necessidade do desenvolvimento de meios que viabilizem a diminuição da dose de radiação empregada. No entanto, uma redução na dose de radiação piora a qualidade da imagem pela diminuição da relação sinal-ruído, prejudicando o diagnóstico médico e a detecção precoce da doença. Nesse sentido, a proposta deste trabalho é apresentar um método para a filtragem do ruído Poisson que é adicionado às das imagens mamográficas quando adquiridas com baixa dosagem de radiação, fazendo com que ela apresente qualidade equivalente àquela adquirida com a dose padrão de radiação. O algoritmo proposto foi desenvolvido baseado em adaptações de algoritmos bem estabelecidos na literatura, como a filtragem no domínio Wavelet, aqui usando o Shrink-thresholding (WTST), e o Block-matching and 3D Filtering (BM3D). Os resultados obtidos com imagens mamográficas adquiridas com phantom e também imagens clínicas, mostraram que o método proposto é capaz de filtrar o ruído adicional incorporado nas imagens sem perda aparente de informação. / The aim of this work is to present a novel method for removing the Poisson noise in digital mammography images acquired with reduced radiation dose. It is known that the X-ray mammography is the most effective exam for early detection of breast cancer, greatly increasing the chances of healing the disease. However, the radiation absorbed by the patient during the exam is still a problem to be treated. Some studies showed that mammography can induce breast cancer in a few women. Although this number is significantly low compared to the number of women who are saved by the exam, it is important to develop methods to enable the reduction of the radiation dose used in the exam. However, dose reduction led to a decrease in image quality by means of the signal to noise ratio, impairing medical diagnosis and the early detection of the disease. In this sense, the purpose of this study is to propose a new method to reduce Poisson noise in mammographic images acquired with low radiation dose, in order to achive the same quality as those acquired with the standard dose. The method is based on well established algorithms in the literature as the filtering in Wavelet domain, here using Shrink-thresholding (WTST) and the Block-matching and 3D Filtering (BM3D). Results using phantom and clinical images showed that the proposed algorithm is capable of filtering the additional noise in images without apparent loss of information.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-29T14:58:03Z No. of bitstreams: 1 Eduardo Vieira.pdf: 6054087 bytes, checksum: 24f8532bfdfaeef177aa46b9f5974869 (MD5) / Made available in DSpace on 2017-08-29T14:58:03Z (GMT). No. of bitstreams: 1 Eduardo Vieira.pdf: 6054087 bytes, checksum: 24f8532bfdfaeef177aa46b9f5974869 (MD5) Previous issue date: 2007-02-12 / This work introduces PROPOST (Project Portfolio Support Tool), a knowledgebased software tool for supporting Project Portfolio Management – an increasing management model nowadays. This tool focuses on a project definition process, and was modeled using the MAAEM methodology and the ONTORMAS ontology-driven tool, as well as by reusing the ONTOINFO and ONTOWUM ontologies, which describe software product families for the development of Information Retrieval and Filtering applications, respectively. PROPOST looks for providing resource optimization by supporting reuse of existing information systems as well as avoiding duplicity on project definition for the composition on the organization’s software portfolio. The tool was created not only as a contribution for solving a current problem related to redundancy on portfolio definition, as well as support for several activities related to portfolio management (select, prioritization and evaluation). The development of PROPOST provides references on how ontology-based development can help in the software development process. It also contributes as a case study for evaluating the MAAEM methodology and the ONTORMAS ontology used in modeling process, having provided several hints for their improvement. / Este trabalho apresenta a PROPOST (Project Portfolio Support Tool), uma ferramenta baseada em conhecimento, para suporte à Gestão de Portifólio de Projetos – um modelo de gestão em ascensão na atualidade. Esta ferramenta possui seu foco no processo de definição de projetos, e foi modelada usando a metodologia MAAEM e a ferramenta dirigida por ontologias ONTORMAS, bem como pelo reuso das ontologias ONTOINFO e ONWOWUM, as quais descrevem famílias de produtos de software para o desenvolvimento de aplicações nas áreas de Recuperação e Filtragem de Informação, respectivamente. A PROPOST objetiva promover a otimização de recursos através da reutilização de sistemas de informação existentes, bem como evitar duplicidade na definição de projetos para a composição do portifólio de software das empresas. Sendo assim, a concepção desta ferramenta objetivou contribuir para a solução de um problema da atualidade, relacionado à redundância na composição do portifólio de projetos, bem como suporte a outras atividades relacionadas à gestão do portifólio (seleção, priorização e avaliação). O desenvolvimento da PROPOST também serve de referência sobre as contribuições das ontologias no processo de desenvolvimento de software. Adicionalmente, esse trabalho também constituiu um estudo de caso para avaliação da metodologia MAAEM e da ontologia ONTORMAS usadas no processo de modelagem, tendo proporcionado várias contribuições para a melhoria das mesmas.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:08:18Z No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) / Made available in DSpace on 2017-09-04T18:08:18Z (GMT). No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) Previous issue date: 2017-07-27 / Breast cancer is the second type of cancer that most a ects women in the world, losing only for non melanoma skin cancer. Breast density can hinder the location of masses, especially in early stages. In this work, the use of independent component analysis for detecting and segmentation lesions in dense breasts is proposed. Several works suggests the use of computer aided diagnosis, increasing sensitivity to over 90% in detecting cancer in non dense breasts, however there are few published studies about detecting in dense breasts. To analyse its e ciency in relation to other segmentation techniques, we compare the performance with principal component analysis. To measure the quality of the segmentation obtained by the two methods, a area overlay measure will be used. To verify if there was any di erence between the results of the proposed methods in the detection of lesions in nondense breasts and in dense breasts, a statistic test for two proportions was used. Experimental results on the Mini-MIAS and DDSM database showed an accuracy of 92.71% in detecting masses in nondense and 79.17% in dense breasts. All experiments showed that the ICA lters have a better performance for detect lesions in dense breast, compared with PCA. Contrary to previous works, our experiments showed that there is actually a signi cant di erence between the detection of masses in dense and nondense breasts. This study can help specialist to detect lesions in dense breast. / O câncer de mama é o segundo tipo de câncer que mais afeta mulheres no mundo, perdendo apenas para o câncer de pele não melanoma. A densidade da mama pode di cultar a localização de massas, especialmente em estágios iniciais. Neste trabalho, propõe-se o uso de análise de componentes independentes para detectar e segmentar lesões em mamas densas. Vários trabalhos sugerem o uso do diagnóstico auxiliado por computador, aumentando a sensibilidade para acima de 90% na detecção de câncer em mamas não densas, no entanto, existem poucos estudos publicados sobre a detecção em mamas densas. Para analisar a e ciência do método proposto em relação a outras técnicas de segmentação, comparamos o desempenho com a análise de componentes principais. Para medir a qualidade da segmentação obtida pelos dois métodos, será utilizada uma medida de sobreposição de área. Para veri car se houve diferença entre os resultados dos métodos propostos na detecção de lesões em mamas não densas e nas mamas densas, foi utilizado um teste estatístico para duas proporções. Os resultados experimentais usando os bancos de dados Mini-MIAS e DDSM mostraram uma acurácia de 92,71% na detecção de massas em mamas não densas e 79,17% em mamas densas. Todas as experiências mostraram que os ltros de ICA usados têm um melhor desempenho para detectar lesões em mamas densas, em comparação com PCA. Contrariamente aos trabalhos anteriores, nossos experimentos mostraram que existe realmente uma diferença signi cativa entre a detecção de massas em mamas densas e não densas. Este estudo pode ajudar o especialista a detectar lesões em mamas densas

Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-09-03T14:00:58Z No. of bitstreams: 1 RAFAEL CAUDURO OLIVEIRA MACEDO_DIS.pdf: 6178948 bytes, checksum: 6ed3599e31f122e78b11b322a8c0ac06 (MD5) / Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-09-04T12:17:04Z (GMT) No. of bitstreams: 1 RAFAEL CAUDURO OLIVEIRA MACEDO_DIS.pdf: 6178948 bytes, checksum: 6ed3599e31f122e78b11b322a8c0ac06 (MD5) / Made available in DSpace on 2018-09-04T12:47:15Z (GMT). No. of bitstreams: 1 RAFAEL CAUDURO OLIVEIRA MACEDO_DIS.pdf: 6178948 bytes, checksum: 6ed3599e31f122e78b11b322a8c0ac06 (MD5) Previous issue date: 2017-08-30 / Prote?nas executam um papel vital em todos os seres vivos, mediando uma s?rie de processos necess?rios para a vida. Apesar de existirem maneiras de determinar a composi??o dessas mol?culas, ainda falta-nos conhecimentos suficiente para determinar de uma maneira r?pida e barata a sua estrutura 3D, que desempenha um papel importante na suas fun??es. Um dos principais m?todos computacionais aplicados ao estudo das prote?nas e o seu processo de enovelamento, o qual determina a sua estrutura, ? Din?mica Molecular. Um aprimoramento deste m?todo, conhecido como Replica Exchange Molecular Dynamics (ou REMD), ? capaz de produzir resultados muito melhores, com o rev?s de significativamente aumentar o seu custo computacional e gerar um volume muito maior de dados. Esta disserta??o apresenta um novo m?todo de otimiza??o deste m?todo, intitulado Filtragem de Dados Anal?ticos, que tem como objetivo otimizar a an?lise p?s-simula??o filtrando as estruturas preditas insatisfat?rias atrav?s do uso de m?tricas de qualidade absolutas. A metodologia proposta tem o potencial de operar em conjunto com outras abordagens de otimiza??o e tamb?m cobrir uma ?rea ainda n?o abordada por elas. Adiante, a ferramenta SnapFi ? apresentada, a qual foi designada especialmente para o prop?sito de filtrar estruturas preditas insatisfat?rias e ainda operar em conjunto com as diferentes abordagens de otimiza??o do m?todo REMD. Um estudo foi ent?o conduzido sobre um conjunto teste de simula??es REMD de predi??o de estruturas de prote?nas afim de elucidar uma s?ries de hip?teses formuladas sobre o impacto das diferentes temperaturas na qualidade final do conjunto de estruturas preditas do processo REMD, a efici?ncia das diferentes m?tricas de qualidade absolutas e uma poss?vel configura??o de filtragem que utiliza essas m?tricas. Foi observado que as temperaturas mais altas do m?todo REMD para predi??o de estruturas de prote?nas podem ser descartadas de forma segura da an?lise posterior ao seu t?rmino e tamb?m que as m?tricas de qualidade absolutas possuem uma alta vari?ncia (em termos de qualidade) entre diferentes simula??es de predi??es de estruturas de prote?nas. Al?m disso, foi observado que diferentes configura??es de filtragem que utilize tais m?tricas carrega consigo esta vari?ncia. / Proteins perform a vital role in all living beings, mediating a series of processes necessary to life. Although we have ways to determine the composition of such molecules, we lack sufficient knowledge regarding the determination of their 3D structure in a cheap and fast manner, which plays an important role in their functions. One of the main computational methods applied to the study of proteins and their folding process, which determine its structure, is Molecular Dynamics. An enhancement of this method, known as Replica-Exchange Molecular Dynamics (or REMD) is capable of producing much better results, at the expense of a significant increase in computational costs and volume of raw data generated. This dissertation presents a novel optimization for this method, titled Analytical Data Filtering, which aims to optimize post-simulation analysis by filtering unsatisfactory predicted structures via the use of different absolute quality metrics. The proposed methodology has the potential of working together with other optimization approaches as well as covering an area still untouched at large by them to the best of the author knowledge. Further on, the SnapFi tool is presented, a tool designed specially for the purpose of filtering unsatisfactory structure predictions and also being able to work with the different optimization approaches of the Replica-Exchange Molecular Dynamics method. A study was then conducted on a test dataset of REMD protein structure prediction simulations aiming to elucidate a series of formulated hypothesis regarding the impact of the different temperatures of the REMD process in the final quality of the predicted structures, the efficiency of the different absolute quality metrics and a possible filtering configuration that take advantage of such metrics. It was observed that high temperatures may be safely discarded from post-simulation analysis of REMD protein structure prediction simulations, that absolute quality metrics posses a high variance of efficiency (regarding quality terms) between different protein structure prediction simulations and that different filtering configurations composed of such quality metrics carry on this inconvenient variance.