A presente dissertação é um estudo sobre o movimento GLBT (Gays, Lésbicas, Bissexuais e Transgêneros) e as relações desenvolvidas por esse movimento com um mercado segmentado destinado a homossexuais, ou mercado GLS (Gays, Lésbicas e Simpatizantes). O trabalho procura compreender essas relações a partir da pesquisa de campo realizada com foco na Associação da Parada do Orgulho GLBT de São Paulo (APOGLBT). Além disso, há um esforço no sentido de entender as dinâmicas do mercado GLS e do movimento GLBT a partir de meados da década de 1990, especialmente em São Paulo. O enfoque da dissertação recai sobre processos de aproximação e diferenciação entre movimento e mercado, envolvendo também situações de conflito e colaboração entre ambos os atores sociais. Tal abordagem foi elaborada a partir da discussão teórica sobre processos de construção de identidades coletivas presentes na constituição de sujeitos políticos, bem como da perspectiva da antropologia a respeito de processos de consumo. / This thesis is a study of the GLBT (Gay, Lesbian, Bisexual and Transgender) movement and its relations with a segmented market that is focused on homosexuals or GLS (Gay, Lesbian and Supporter). This work departing from the conducted field research on the Associação da Parada do Orgulho GLBT de São Paulo (APOGLBT - São Paulo\'s Association for the GLBT Pride Parade) seeks to understand these relations. Besides this, an effort has been made to understand the dynamics of the GLS market and the GLBT movement, specially in São Paulo, since the mid 1990s. The focus of this thesis is grounded on an analysis of processes of rapprochement and differentiation between the movement and the market, involving situations of conflict and collaboration between both social actors. This approach has been elaborated from a theoretical discussion about processes of collective identity formation, present in the constitution of political subjects, as well as from an anthropological perspective on consumption processes.

O câncer de mama é hoje uma das principais causas de mortalidade de mulheres em todo o mundo. Porém, a sua detecção no estágio inicial de desenvolvimento aumenta consideravelmente as chances de cura. Exatamente por isso estão sendo desenvolvidos vários tipos de sistemas computacionais baseados em processamento de imagens em centros de pesquisas no mundo todo, a fim de auxiliar o radiologista na precisão do seu diagnóstico. A pesquisa aqui apresentada se insere nesse contexto e consistiu no desenvolvimento de um sistema computacional para detectar uma das estruturas que podem ser indício da presença do câncer de mama: os agrupamentos (\"clusters\") de microcalcificações. O sistema aqui apresentado tem como fonte de dados mamogramas digitalizados, nos quais são aplicadas técnicas de processamento para extrair as regiões de interesse e detectar os possíveis \"clusters\" existentes. Os resultados dos testes realizados mostraram que o sistema desenvolvido apresentou uma eficiência de 94% na identificação correta de \"clusters\". / Breast cancer is one of the main causes of women death all over the world. However, early detection of the disease increases greatly the possibility of cure. Therefore, several types of computer systems based on image processing are being developed by many research groups in order to aid the radiologist in the accuracy of the diagnosis. The work presented here is inserted in this context corresponding to the development of a computer system designed to detect microcalcifications clusters - structures which can be a strong indicative of breast cancer. This system database is digitized mammograms, to which image processing techniques are applied in order to detect regions of interest and the possible clusters. The results from the tests have shown an efficacy of 94% of the system in clusters correct identification.

Em 2010, doenças cardiovasculares (CVD) causaram 33% do total das mortes no Brasil. O acúmulo de placas lipídicas, calcificadas e/ou fibrosas em vasos sanguíneos é chamado aterosclerose e é uma das principais causas da maioria das internações por doenças coronárias. A implantação de stent é um dos métodos mais comuns para o tratamento de pacientes com obstrução nas coronárias, mas este pode desencadear um crescimento de uma nova íntima e causar novamente o estreitamento do vaso, resultando em problemas de irrigação do coração. Alternativas como Tomografia por Coerência Óptica Intravascular (IOCT) oferecem imagens in vivo para detecção e monitoramento da progressão de CVDs. Adicionalmente, métodos computacionais aplicados a imagens IOCT podem fornecer dados objetivos de estruturas como áreas, perímetros, etc., permitindo mais precisão no diagnóstico. Contudo, ainda é pequena a variedade de métodos quantitativos aplicados a IOCT na literatura, em comparação a outras modalidades relacionadas. Neste trabalho é proposto um método para quantificação da neoíntima após a implantação de stent, fornecendo assim informações para possíveis tratamentos. Para isto são utilizadas imagens reais de IOCT de diferentes fontes: humanos, porcos e coelhos, adquiridas em diferentes períodos após a implantação do stent. Primeiro, é segmentada a parede do vaso (Lúmen), por meio da utilização de modulação de intensidade, filtragem, Fuzzy connectedness e binarização por limiar, seguida de um teste de Branch Opening e um conjunto de operações morfológicas. Segundo, o stent é identificado e segmentado, utilizando características extraídas de derivadas gerando imagens auxiliares à imagem de IOCT seguido pelo emprego de operações de seleção dos possíveis pontos pertencentes ao Stent. Tendo o lúmen e o stent segmentados, a área correspondente à neointima pode ser calculada, executando esse procedimento em imagens do mesmo local adquiridas em períodos diferentes. Assim pode ser feita a quantificação do crescimento de tecido. Para a avaliação do método, é comparada a área segmentada do lúmen e do stent, com os métodos propostos, com a área segmentada manualmente por especialistas (Gold Standard). / In 2010, cardiovascular disease (CVD) caused 33% of the total deaths in Brazil. The accumulation of lipidic, calcified and fibrous plaque, in the vessel wall is called atherosclerosis, and it is the main reason of most admissions in hospitals due to coronary heart disease. The stent implantation is one of the most common methods for coronary obstruction treatment, but this can trigger a neo-intima restenosis, and cause again narrowing of the vessel wall, resulting again in heart-irrigation problems. Modalities such as Intravascular Optical Coherent Tomography (IOCT) can be important for this kind of investigations, because it provides coronary in vivo for detecting and monitoring the progression of CVDs. Additionally, computational methods applied to IOCT images, can render objective structure information, such as areas, perimeters, etc., allowing for more accurate diagnosis. However, the variety of methods in the literature applied in IOCT is still small compared to other related modalities. Therefore, we propose a method for neointima restenosis quantification after stent implantation, thereby providing information to potential treatments. Consequently, we used real IOCT images from different sources: humans, pigs, and rabbits, acquired in different periods after stent implantation. First, the lumen is segmented by using intensity modulation and filtering, next fuzzy connectedness and thresholding is carried out, followed by a \"Branch Opening\" test and a set of morphological operations. Second, the stent is identified and segmented using extracted features by derivative operations, generating auxiliary images to the IOCT. Finally, a set of operations to identify and to select possible points which belong to Stent is performed. Having the lumen and stent segmented the area corresponding to the neo-intima can be calculated. By performing the same procedure in images acquired from the same location at different times, the ratio of the neointima growing can be computed. The evaluation is carried out by comparing the segmented new intima area between the proposed and manual method executed by specialist (Gold Standard).

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2018-10-09T13:45:40Z No. of bitstreams: 1 Bernardete Chiesa_.pdf: 3102101 bytes, checksum: 0edbc213795838e8d2b13d74256b6ca9 (MD5) / Made available in DSpace on 2018-10-09T13:45:40Z (GMT). No. of bitstreams: 1 Bernardete Chiesa_.pdf: 3102101 bytes, checksum: 0edbc213795838e8d2b13d74256b6ca9 (MD5) Previous issue date: 2018-03-03 / FAMUR- Faculdade Murialdo / O Marketing Educacional das Instituições de Ensino Superior deve ter a missão de conhecer e compreender as reais necessidades dos envolvidos no processo, na medida em que, ao satisfazer estas premências e expectativas, poderá estar à frente de suas concorrentes, gerar boa reputação e credibilidade e, consequentemente, melhorar os resultados institucionais. Essa demanda apareceu de modo singular devido ao crescimento do número de Instituições de Ensino Superior, nas duas últimas décadas. A tarefa de captar, reter e fidelizar alunos tornou-se mais complexa, pois a oferta é maior que a demanda. Neste intuito, o objetivo da presente pesquisa consistiu em investigar quais foram as estratégias de Marketing Educacional desenvolvidas na Faculdade Murialdo no período de 2012 a 2016.Trata-se de uma pesquisa qualitativa, tendo o estudo de caso como metodologia; é de caráter descritivo, em que a técnica de coleta de dados se deu por meio de pesquisa documental, observação e entrevistas semiestruturadas. Como sujeitos, foram pesquisados dez profissionais da Instituição, sendo direção, professores e técnicos-administrativos, por deterem as informações necessárias à discussão dos resultados da pesquisa e fizeram parte do quadro funcional no período de 2012 a 2016. A análise dos resultados da pesquisa apontou para o desenvolvimento de estratégias de comunicação com foco nos valores institucionais como responsabilidade social, educação humanizada, confiança e solidariedade. Novos cursos foram desenvolvidos para a comunidade acadêmica: em 2012 a Instituição iniciou com a oferta de três cursos; em 2014 já eram sete. Como principais resultados, identificou-se que as estratégias de marketing utilizadas pela Faculdade Murialdo estavam relacionadas, especialmente, às ações de comunicação, principalmente, com o objetivo de apresentar à comunidade local e regional e captar alunos para o novo negócio. Neste intuito, apresentou-se o posicionamento de uma IES que se diferencia pela qualidade de ensino e pelas relações humanizadas, próprias dos princípios Murialdinos. / The Educational Marketing of Higher Education Institutions should have the mission of knowing and understanding the real needs of those involved. To the extent that by meeting these expectations you can be ahead of your competitors, generate good reputation and credibility and, consequently, improve institutional results. This demand has appeared singularly due to the growth of the number of Higher Education Institutions in the last two decades. The task of capturing, retaining, and keeping students has become more complex because offer is greater than demand. The objective of the present research was to investigate the Educational Marketing strategies developed at Murialdo College in the period from 2012 to 2016. It is a qualitative research, having the case study as a methodology; is of a descriptive nature, in which the technique of data collection took place through documental research, observation and semi-structured interviews. As subjects, ten professionals of the Institution were surveyed, being managers, professors and technicians-administrative because they had the necessary information to discuss the results of the research and were part of the functional framework in the period from 2012 to 2016. The analysis of the results of the research pointed to the development of communication strategies focused on institutional values such as social responsibility, humanized education, trust and solidarity. New courses were developed for the academic community: in 2012, the Institution started with the offer of three courses; by 2014, there were already seven. As main results, it was identified that the marketing strategies used by Murialdo College were related mainly to communication actions, with the objective of presenting to the local and regional community and attracting students to the new business. In this sense, the positioning of a Higher Education Institution is presented, which is distinguished by the quality of teaching and the humanized relations, proper to the Murialdino’s principles.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

A segmentação de pele humana, em imagens coloridas, tem sido largamente estudada nos últimos anos servindo de fundamento para muitos outros estudos como, por exemplo, a detecção de faces. Dentre as inúmeras aplicações de trabalhos relativos à segmentação de pele humana está a de se localizar uma determinada pessoa em locais de grande concentração humana tais como: avenidas, terminais de ônibus, aeroportos, shopping centers e estádios. Desta forma, a necessidade de se obter um sistema que classifique de forma adequada a pele humana tornou-se a principal motivação para o desenvolvimento deste trabalho. Desta forma, propõe-se uma metodologia para melhorar a segmentação de pele humana em imagens coloridas através de um algoritmo mais eficiente. O algoritmo é baseado na média de vizinhanças cujos valores limites, para definição do intervalo de cor equivalente à pele humana, são obtidos através de uma imagem padrão, gerada a priori, com amostras de pele humana. Esta imagem é chamada de \"colcha de retalhos\". A metodologia tem como base de comparação trabalhos anteriores similares, principalmente o desenvolvido por Kovac et al. (2003). Os resultados mostram um desempenho superior da metodologia proposta. / The segmentation of human skin, in colored images, has been studied broadly for the last years serving as foundation for many other studies as, for instance, the detection of faces. Among the countless applications of works related to the segmentation of human skin it is the one of localizing a certain person in places of great human concentration such as: avenues, bus terminals, airports, shopping centers and stadiums. Therefore, the need to obtain a system that classifies in an appropriate way the human skin became the main motivation for the development of this work. This way, a methodology to improve the segmentation of human skin in colored images through a more efficient algorithm is proposed. The algorithm is based on the average of neighborhoods whose limit values, for definition of the interval of equivalent color to the human skins, are obtained through an image pattern, generated in priori, with samples of human skin. This image is called \"bedspread of remnants\". The methodology has as base of comparison similar previous works, mainly the one developed by Kovac et al. (2003). The results show a superior performance of the proposed methodology.

A segmentação de pele humana, em imagens coloridas, tem sido largamente estudada nos últimos anos servindo de fundamento para muitos outros estudos como, por exemplo, a detecção de faces. Dentre as inúmeras aplicações de trabalhos relativos à segmentação de pele humana está a de se localizar uma determinada pessoa em locais de grande concentração humana tais como: avenidas, terminais de ônibus, aeroportos, shopping centers e estádios. Desta forma, a necessidade de se obter um sistema que classifique de forma adequada a pele humana tornou-se a principal motivação para o desenvolvimento deste trabalho. Desta forma, propõe-se uma metodologia para melhorar a segmentação de pele humana em imagens coloridas através de um algoritmo mais eficiente. O algoritmo é baseado na média de vizinhanças cujos valores limites, para definição do intervalo de cor equivalente à pele humana, são obtidos através de uma imagem padrão, gerada a priori, com amostras de pele humana. Esta imagem é chamada de \"colcha de retalhos\". A metodologia tem como base de comparação trabalhos anteriores similares, principalmente o desenvolvido por Kovac et al. (2003). Os resultados mostram um desempenho superior da metodologia proposta. / The segmentation of human skin, in colored images, has been studied broadly for the last years serving as foundation for many other studies as, for instance, the detection of faces. Among the countless applications of works related to the segmentation of human skin it is the one of localizing a certain person in places of great human concentration such as: avenues, bus terminals, airports, shopping centers and stadiums. Therefore, the need to obtain a system that classifies in an appropriate way the human skin became the main motivation for the development of this work. This way, a methodology to improve the segmentation of human skin in colored images through a more efficient algorithm is proposed. The algorithm is based on the average of neighborhoods whose limit values, for definition of the interval of equivalent color to the human skins, are obtained through an image pattern, generated in priori, with samples of human skin. This image is called \"bedspread of remnants\". The methodology has as base of comparison similar previous works, mainly the one developed by Kovac et al. (2003). The results show a superior performance of the proposed methodology.

Contexto: Nos últimos anos, o Comprometimento Cognitivo Leve (CCL) tem recebido uma grande atenção, pois pode representar um estágio pré-clínico da Doença de Alzheimer (DA). Em termos de distinção entre idosos saudáveis (CTL) e pacientes com CCL, vários estudos têm mostrado que a produção de discurso é uma tarefa sensível para detectar efeitos de envelhecimento e para diferenciar indivíduos com CCL dos saudáveis. Ferramentas de Processamento de Língua Natural (PLN) têm sido aplicadas em transcrições de narrativas em inglês e também em português brasileiro, por exemplo, o ambiente Coh-Metrix-Dementia. Lacunas: No entanto, a ausência de informações de limites de sentenças e a presença de disfluências em transcrições impedem a aplicação direta de ferramentas que dependem de um texto bem formado, como taggers e parsers. Objetivos: O objetivo principal deste trabalho é desenvolver métodos para segmentar as transcrições em sentenças e detectar/remover as disfluências presentes nelas, de modo que sirvam como uma etapa de pré-processamento para ferramentas subsequentes de PLN. Métodos e Avaliação: Propusemos um método baseado em redes neurais recorrentes convolucionais (RCNNs) com informações prosódicas, morfossintáticas e word embeddings para a tarefa de segmentação de sentenças (SS). Já para a detecção de disfluências (DD), dividimos o método e a avaliação de acordo com as categorias de disfluências: (i) para preenchimentos (pausas preenchidas e marcadores discursivos), propusemos a mesma RCNN com as mesmas features de SS em conjunto com uma lista pré-determinada de palavras; (ii) para disfluências de edição (repetições, revisões e recomeços), adicionamos features tradicionalmente empregadas em trabalhos relacionados e introduzimos um modelo de CRF na camada de saída da RCNN. Avaliamos todas as tarefas intrinsecamente, analisando as features mais importantes, comparando os métodos propostos com métodos mais simples, e identificando os principais acertos e erros. Além disso, um método final, chamado DeepBonDD, foi criado combinando todas as tarefas, e foi avaliado extrinsecamente com 9 métricas sintáticas do Coh-Metrix-Dementia. Conclusão: Para SS, obteve-se F1 = 0:77 em transcrições de CTL e F1 = 0:74 de CCL, caracterizando o estado-da-arte para esta tarefa em fala comprometida. Para detecção de preenchimentos, obtevese em média F1 = 0:90 para CTL e F1 = 0:92 para CCL, resultados que estão dentro da margem de trabalhos relacionados da língua inglesa. Ao serem ignorados os recomeços na detecção de disfluências de edição, obteve-se em média F1 = 0:70 para CTL e F1 = 0:75 para CCL. Na avaliação extrínseca, apenas 3 métricas mostraram diferença significativa entre as transcrições de CCL manuais e as geradas pelo DeepBonDD, sugerindo que, apesar das variações de limites de sentença e de disfluências, o DeepBonDD é capaz de gerar transcrições para serem processadas por ferramentas de PLN. / Background: In recent years, mild cognitive impairment (MCI) has received great attention because it may represent a pre-clinical stage of Alzheimers Disease (AD). In terms of distinction between healthy elderly (CTL) and MCI patients, several studies have shown that speech production is a sensitive task to detect aging effects and to differentiate individuals with MCI from healthy ones. Natural language procesing tools have been applied to transcripts of narratives in English and also in Brazilian Portuguese, for example, Coh-Metrix-Dementia. Gaps: However, the absence of sentence boundary information and the presence of disfluencies in transcripts prevent the direct application of tools that depend on well-formed texts, such as taggers and parsers. Objectives: The main objective of this work is to develop methods to segment the transcripts into sentences and to detect the disfluencies present in them (independently and jointly), to serve as a preprocessing step for the application of subsequent Natural Language Processing (NLP) tools. Methods and Evaluation: We proposed a method based on recurrent convolutional neural networks (RCNNs) with prosodic, morphosyntactic and word embeddings features for the sentence segmentation (SS) task. For the disfluency detection (DD) task, we divided the method and the evaluation according to the categories of disfluencies: (i) for fillers (filled pauses and discourse marks), we proposed the same RCNN with the same SS features along with a predetermined list of words; (ii) for edit disfluencies (repetitions, revisions and restarts), we added features traditionally employed in related works and introduced a CRF model after the RCNN output layer. We evaluated all the tasks intrinsically, analyzing the most important features, comparing the proposed methods to simpler ones, and identifying the main hits and misses. In addition, a final method, called DeepBonDD, was created combining all tasks and was evaluated extrinsically using 9 syntactic metrics of Coh-Metrix-Dementia. Conclusion: For SS, we obtained F1 = 0:77 in CTL transcripts and F1 = 0:74 in MCI, achieving the state of the art for this task on impaired speech. For the filler detection, we obtained, on average, F1 = 0:90 for CTL and F1 = 0:92 for MCI, results that are similar to related works of the English language. When restarts were ignored in the detection of edit disfluencies, F1 = 0:70 was obtained for CTL and F1 = 0:75 for MCI. In the extrinsic evaluation, only 3 metrics showed a significant difference between the manual MCI transcripts and those generated by DeepBonDD, suggesting that, despite result differences in sentence boundaries and disfluencies, DeepBonDD is able to generate transcriptions to be properly processed by NLP tools.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

Este trabalho tem por objetivo propor um sistema computacional automático capaz de identificar, a partir de imagens de vídeos, o comportamento do tráfego veicular rodoviário. Todos os códigos gerados foram escritos em Python, com o uso da biblioteca OpenCV. O primeiro passo do sistema proposto foi remover o background do frame do vídeo. Para isso, foram testados três métodos disponíveis no OpenCV, com métricas baseadas em uma Matriz de Contingência. O MOG2 foi escolhido como melhor método, processando 64 FPS, com mais de 95% de taxa de exatidão. O segundo passo do sistema envolveu detectar, rastrear e agrupar features dos veículos em movimento. Para isso, foi usado o algoritmo de Shi-Tomasi, junto com funções de fluxo ótico para o rastreamento. No agrupamento, usou-se a distância entre os pixels e as velocidades relativas de cada feature. No passo final, foram extraídos tanto as informações microscópicas quanto as informações macroscópicas em arquivos de relatório. Os arquivos têm padrões definidos, salvos em CSV. Também foi gerado, em tempo de execução, um diagrama espaço-tempo. Desse diagrama, é possível extrair informações importantes para as operações de sistemas de transportes. A contagem e a velocidade dos veículos foram usadas para validar as informações extraídas, comparadas a métodos tradicionais de coletas. Na contagem, o erro médio em todos os vídeos foi de 12,8%. Na velocidade, o erro ficou em torno de 9,9%. / The objective of this research is to propose an automatic computational system capable to identify, based on video images, traffic behavior on highways. All written code was made using Python, with the OpenCV library. The first step of the proposed system is to subtract the background from the frame. We tested three different background subtraction methods, using a contingency table to extract performance metrics. We decided that MOG2 was the best method for this research, processing frames at 64 FPS and scoring more than 95% on accuracy rate. The second step of the system was to detect, track and group all moving vehicle features. We used Shi-Tomasi detection method with optical flow to track features. We grouped features with a mixture of distance between pixels and relative velocity. For the last step, the algorithm exported microscopic and macroscopic information on CSV files. The system also produced a space-time diagram at runtime, in which it was possible to extract important information to transportation system operators. To validate the information extracted, we compared vehicle counting and velocities with traditional extraction methods. The algorithm had a mean error rate of 12.8% on counting vehicles, while achieving 9.9% error rate in velocity.