Orientador: Leandro Gustavo de Oliveira / Resumo: Introdução: A classificação de Robson tem sido utilizada para avaliação das taxas de cesáreas no mundo. Recomenda-se que cada localidade adapte a classificação original de acordo com suas necessidades. Objetivos: Analisar os casos de cesáreas realizadas na Maternidade do Hospital das Clínicas da Faculdade de Medicina de Botucatu utilizando uma classificação baseada nos 10 grupos de Robson, modificada a partir da inclusão de subgrupos e analisar os resultados a partir das recomendações estabelecidas pela Organização Mundial da Saúde. Métodos: Foi um estudo prospectivo com pacientes admitidas para assistência ao parto, no período de 01 de junho 2018 e 31 de maio de 2019. Uma planilha foi desenhada para a coleta dos dados e a classificação dos grupos foi elaborada a partir da classificação de Robson, modificada pela inclusão de subgrupos com métodos de indução e momento da indicação da cesárea. Resultados: Foram analisados 1823 partos, sendo 810 (44%) cesáreos. Houve 35,6% de primigestas, 19,5% de uma cesárea prévia e 15,4% de prematuros. O grupo 5, com maior número, teve 435 pacientes (23,8%), seguido do grupo 3, 422 (23,1%) e do grupo 1, 316 (17,3%). O grupo 5 teve maior número de cesáreas, 305 (37,6%). O grupo 2 teve 128 (15,8%). As iterativas totalizaram 19%. Indução do trabalho de parto teve 55,0% de sucesso. Entre pacientes com comorbidades, 60,5% tiveram cesárea. Comorbidades obstétricas mais frequentes foram: pré-eclâmpsia (12,7%), diabetes gestacional (8,4%) e restrição... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Introduction: Robson classification has been used to assess cesarean section rates worldwide. It is recommended that each location adapts the original classification according to their needs. Objectives: To analyze the cases of cesarean sections performed at the Maternity from the Clinics Hospital from Medical School of Botucatu using a classification based on Robson's 10 groups, modified from the inclusion of subgroups, and to analyze the results from the recommendations established by the World Health Organization. Methods: This was a prospective study with patients admitted for childbirth assistance from June 1, 2018 to May 31, 2019. A spreadsheet was designed for data collection and the classification of groups was elaborated from the classification of Robson, modified by the inclusion of subgroups with methods of induction and the moment of cesarean section indication. Results: 1,823 births were analyzed, 810 (44%) of which were cesarean. There were 35.6% of primiparous women, 19.5% of women with previous cesarean section and 15.4% of premature babies. Group 5, with the largest number, had 435 patients (23.8%), followed by group 3, 422 (23.1%) and group 1, 316 (17.3%). Group 5 had the highest number of cesarean sections, 305 (37.6%). Group 2 had 128 (15.8%). Women with two or more previous cesarean sections totaled 19%. Labor induction was 55.0% successful. Among patients with comorbidities, 60.5% had cesarean sections. Most frequent obstetric comorbidities were: pre-ecl... (Complete abstract click electronic access below) / Mestre

This research examines certain modifications of the mathematical programming models to improve their classificatory performance. These modifications involve the inclusion of second-order terms and secondary goals in mathematical programming models. A Monte Carlo simulation study is conducted to investigate the performance of two standard parametric models and various mathematical programming models, including the MSD (minimize sum of deviations) model, the MIP (mixed integer programming) model and the hybrid linear programming model.

Made available in DSpace on 2015-03-05T13:59:43Z (GMT). No. of bitstreams: 0 Previous issue date: 28 / Hewlett-Packard Brasil Ltda / Este trabalho tem como principal objetivo propor um modelo para classificação automática(ou semi-automática) de grupos de pessoas utilizando informações de geometria e detecção da atividade intragrupo em sequências de vídeo. Para a classificação de grupos de pessoas, utiliza-se um algoritmo de acompanhamento de objetos para rastrear as posições das pessoas ao longo do tempo, e explora-se a relação entre essas pessoas e suas orientações para deteção e classificação de grupos com base em informações sociológicas (proxemics, distâncias interpessoais, etc.). A geometria do grupo formado, assim como sua evolução ao longo do tempo, também são analisadas. Para a avaliação da atividade intragrupo, a evolução das áreas dos blobs correspondentes a cada pessoa é avaliada, para detecção de movimentos de gesticulação em grupos estáticos. Como aplicações deste trabalho, pode-se mencionar a detecção e classificação automática de pequenos grupos em um shopping center, para que seja possível extrair padrões de comportament / The main goal of this work is to propose a model for an automatic (our semiautomatic) classification of groups using geometrical properties and for detecting intragroup activity based on video sequences. For group classification, a tracking algorithm is applied to obtain the position of each person across time, and the relationships among these people and their orientation are used to detect and classify groups based on sociological information (proxemics, interpersonal distance, etc). The geometry of the group, as well as its temporal evolution, are used to provide additional information on the group. To detect intragroup activity, the temporal evolution of blob áreas related to tracked people is explored. Regarding possible applications of this work, an example could be the detection and automatic classification of small groups in a shopping center, in order to extract behavior pattern according to this study

This thesis presents a robust face recognition method and a combination of methods for gender identification and age group classification for semantic annotation of videos. Local binary pattern histogram which has 256 bins and pixel intensity differences are used as extracted facial features for gender classification. DCT Mod2 features and edge detection results around facial landmarks are used as extracted facial features for age group classification. In gender classification module, a Random Trees classifier is trained with LBP features and an adaboost classifier is trained with pixel intensity differences. DCT Mod2 features are used for training of a Random Trees classifier and LBP features around facial landmark points are used for training another Random Trees classifier in age group classification module. DCT Mod2 features of the detected faces morped by two dimensional face morphing method based on Active Appearance Model and Barycentric Coordinates are used as the inputs of the nearest neighbor classifier with weights obtained from the trained Random Forest classifier in face identification module. Different feature extraction methods are tried and compared and the best achievements in the face recognition module to be used in the method chosen. We compared our classification results with some successful earlier works results in our experiments performed with same datasets and got satisfactory results.