Search

O objetivo deste relatório técnico de pesquisa é apresentar a evolução e os resultados do “Estudo de Caso 1 – Sistema de Detecção de Arritmias Cardíacas por Aprendizado Supervisionado Profundo”, pertencente ao escopo da tese de Doutorado de Antonio Vieira da Silva Neto, intitulada “Safety ArtISt: Um Método para a Garantia de Segurança de Sistemas Críticos com Inteligência Artificial”. O conteúdo deste relatório técnico de pesquisa tem como finalidade embasar os resultados correlatos ao referido estudo de caso na tese de Doutorado., Funding by CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (PROEX scholarship under the contract 88887.513631/2020-00) and FDTE - Fundação para o Desenvolvimento Tecnológico da Engenharia (scholarship under the contract 1954.01.20)

CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico O câncer de mama possui a maior incidência e mortalidade na população feminina em todo o mundo. A detecção precoce e precisa do câncer de mama é uma parte crítica da estratégia para reduzir a mortalidade associada a esta doença tão comum. A mamografia é a técnica mais usada para a detecção precoce do câncer de mama, porém, possui várias limitações. Várias imagens são necessárias e existe uma forte dependência do médico ou técnico operador. Existe ainda uma forte dependência de um médico qualificado para identificar tumores nas imagens de raio-X. Além disso, a exposição ao raio-X ao longo da vida pode também induzir o aparecimento de tumores. Nesse projeto, propõe-se o desenvolvimento de técnicas baseadas na aplicação do método de impedância térmica e na detecção de inclusões baseada no uso de correlações de temperaturas superficiais da pele da mama para detectar a origem da fonte de calor (metabolismo anormal de um câncer). A ideia principal deste trabalho é usar o método da inteligência artificial, aprendizado profundo, técnica relacionada ao reconhecimento de características especificas em imagens para detecção de fontes de calor metabólica. Alem da técnica proposta não ser invasiva ou causar dor à paciente, ela deve permitir o acesso a pessoas com deficiência ou baixa mobilidade, possuir baixo custo e usar tecnologias nacionais. A baixa sensibilidade aos tumores pequenos e profundos, normalmente existente em análises de temperaturas superficiais usando imagens térmicas é contornada com o uso do conceito de impedância térmica e técnicas de inteligência artificial, como o uso de aprendizado profundo (Deep learning). Apresentam-se nesse trabalho uma breve fundamentação teórica sobre redes neurais convolucionais, otimizadores, funções de ativação e os hiperparâmetros que devem ser ajustados na rede neural. Descrevem-se o desenvolvimento do modelo térmico, e a criação do banco de dados a partir de sua solução bem como a escolha dos parâmetros detectáveis em imagens termográficas, as bibliotecas de deep learning, o treinamento da rede com uso de redes neurais convolucionais, e a análise dos hiperparâmetors usados no modelo para convergência dos problemas direto e inverso. Discute-se ainda a necessidade do conhecimento prévio das características tumorais que podem ser estimadas via redes neurais convolucionais e a influência da variação do tamanho do tumor comparando os sinais de temperatura e da impedância térmica. Obteve-se resultados numéricos da estimativa da localização de tumores em simulações numéricas com uso de imagens termográficas obtidas de dados simulados em um modelo cartesiano e em um modelo de mama anatômica. O desenvolvimento de uma técnica que possibilite a identificação da localização e tamanho de tumores na mama a partir de informações de temperatura e fluxo de calor superficiais é uma ferramenta inédita e promissora na detecção precoce do câncer de mama. Breast cancer has the highest incidence and mortality in the female population worldwide. Early and accurate detection of breast cancer is a critical part of the strategy to reduce the mortality associated with this prevalent disease. Mammography is the most used technique for the early detection of breast cancer. However, it has several limitations. Several images are needed, and there is a strong dependence on the operator. There is still a firm reliance on a qualified physician to identify tumors on X-ray images. In addition, lifetime exposure to X-rays can also induce tumors. In this project, we propose the development of techniques based on applying the thermal impedance method and on detecting inclusions based on the use of correlations of surface temperatures of the skin of the breast to detect the origin of the heat source (abnormal metabolism of cancer). The main idea of this work is to use the artificial intelligence method, deep learning, a technique related to the recognition of specific features in images to detect sources of metabolic heat. In addition to the proposed approach not being invasive or causing pain to the patient, it must allow access to people with disabilities or low mobility, have low cost and use national technologies. The low sensitivity to tiny and deep tumors, typically found in the analysis of surface temperatures using thermal imaging, is circumvented by utilizing the concept of thermal impedance and artificial intelligence techniques, such as deep learning. It has been shown a brief theoretical foundation on convolutional neural networks, optimizers, activation functions, and the hyperparameters that must be adjusted in the neural network. The development of the thermal model and the creation of the database from its solution are described, as well as the choice of parameters detectable in thermographic images, deep learning libraries, network training using convolutional neural networks, and the analysis of the hyperparameters used in the model for the convergence of the forward and inverse problems. We also discuss the need for prior knowledge of tumor characteristics that can be estimated via convolutional neural networks and the influence of tumor size variation by comparing the temperature and thermal impedance signals. The numerical results of estimating the location of tumors in numerical simulations using thermographic images obtained from simulated data in a Cartesian model and an anatomical breast model are shown. The development of a technique that makes it possible to identify the location and size of breast tumors from information on temperature and surface heat flux is an unprecedented and promising tool in the early detection of breast cancer. Tese (Doutorado) 2024-09-01

Resumo A evasão fiscal é a consequência da prática da sonegação. Apenas no Brasil, estima-se que ela corresponda a 8% do PIB. Com isso, os governos necessitam de sistemas inteligentes para apoiar os auditores fiscais na identificação de sonegadores. Tais sistemas dependem de dados sensíveis dos contribuintes para o reconhecimento dos padrões, que são protegidos por lei. Com isso, o presente trabalho apresenta uma solução inteligente, capaz de identificar os perfis de potenciais sonegadores com o uso apenas de dados abertos, públicos, disponibilizados pela Receita Federal e pelo Conselho Administrativo Tributário do Estado de Goiás, entre outros cadastros públicos. Foram gerados três modelos que utilizaram os recursos Random Forest, Redes Neurais e Grafos. Em validação depois de melhorias finas, foi possível obter acurácia superior a 98% na predição do perfil inadimplente. Por fim, criou-se uma solução de software visual para uso e validação pelos auditores fiscais do estado de Goiás. Resumen La evasión fiscal es la consecuencia de la práctica de la defraudación tributaria. En Brasil, se estima que corresponde al 8% del PIB. Por lo tanto, los gobiernos necesitan y utilizan sistemas inteligentes para ayudar a los agentes de hacienda a identificar a los defraudadores fiscales. Dichos sistemas se basan en datos confidenciales de los contribuyentes para el reconocimiento de patrones, que están protegidos por ley. Este trabajo presenta una solución inteligente, capaz de identificar perfiles de potenciales defraudadores fiscales, utilizando únicamente datos públicos abiertos, puestos a disposición por la Hacienda Federal y por el Consejo Administrativo Tributario del Estado de Goiás, entre otros registros públicos. Se generaron tres modelos utilizando random forest y neural networks. En la validación después de finas mejoras, fue posible obtener una precisión superior al 98% en la predicción del perfil moroso. Finalmente, se creó una solución de software visual para uso y validación por parte de los auditores fiscales del estado de Goiás. Abstract Tax evasion is the practice of the non-payment of taxes. In Brazil alone, it is estimated as 8% of GDP. Thus, governments must use intelligent systems to support tax auditors to identify tax evaders. Such systems seek to recognize patterns and rely on sensitive taxpayer data that is protected by law and difficult to access. This research presents a smart solution, capable of identifying the profile of potential tax evaders, using only open and public data, made available by the Brazilian internal revenue service, the administrative council of tax appeals of the State of Goiás, and other public sources. Three models were generated using Random Forest, Neural Networks, and Graphs. The validation after fine improvements offered an accuracy greater than 98% in predicting tax evading companies. Finally, a web-based solution was created to be used and validated by tax auditors of the State of Goiás.

Breast cancer is the disease with the highest incidence among women worldwide, with an estimate for Brazil in the 2020-2021 biennium about 66,280 new cases of breast cancer, which corresponds to a rate of 29.7% of cases in the female population and about 15,000 deaths from the disease. Mammography is one of the most used tests for early detection of this type of neoplasm. However, errors occur in the reading and interpretation of reports, even a well-trained professional has a success rate between 65% and 75% with an amount of false negative varying between 15% to 30% and a false positive of 7% to 10%, resulting in an unnecessary amount of biopsy, 65% to 90% of tissue biopsies with suspected cancer are benign, causing emotional and physical repercussions for patients. Computer systems can be developed to aid in medical diagnosis. This article applied neural network techniques to develop a computational tool capable of classifying injuries from categories 4 and 5 of the BI-RADS® standard. The results acquired by the software, observed that the best classifier with regard to the accuracy rate was Deep Learning, reaching a percentage of 82.60%, the Support Vectors Machine - SVM had a percentage of 73.97%. This demonstrates that the neural network techniques used in the software design show an efficiency in the lesion classification task. El cáncer de mama es la enfermedad con mayor incidencia entre las mujeres en todo el mundo, con una estimación para Brasil en el bienio 2020-2021 de unos 66.280 nuevos casos de cáncer de mama, lo que corresponde a una tasa del 29,7% de los casos en la población femenina y cerca de 15.000 muertes de la enfermedad La mamografía es una de las pruebas más utilizadas para la detección precoz de este tipo de neoplasias. Sin embargo, se producen errores en la lectura e interpretación de los informes, incluso un profesional bien capacitado tiene una tasa de éxito entre el 65% y el 75% con una cantidad de falsos negativos que varía entre el 15 % y el 30 % y un falso positivo del 7 % al 10 %, lo que da como resultado una cantidad innecesaria de biopsias, del 65 % al 90 % de las biopsias de tejido con sospecha de cáncer son benignas, lo que causa problemas emocionales y físicos. repercusiones para los pacientes. Se pueden desarrollar sistemas informáticos para ayudar en el diagnóstico médico. Este artículo aplicó técnicas de redes neuronales para desarrollar una herramienta computacional capaz de clasificar lesiones de las categorías 4 y 5 del estándar BI-RADS®. Los resultados adquiridos por el software, observaron que el mejor clasificador en cuanto a la tasa de precisión fue Deep Learning, alcanzando un porcentaje de 82,60%, la Máquina de Vectores de Soporte - SVM tuvo un porcentaje de 73,97%. Esto demuestra que las técnicas de redes neuronales utilizadas en el diseño del software muestran una eficiencia en la tarea de clasificación de lesiones. O câncer de mama é a doença com mais incidência entre as mulheres em todo mundo, estimativa para Brasil no biênio de 2020-2021 cerca de 66.280 novos casos de câncer de mama que corresponde a uma taxa 29,7% dos casos na população feminina e cerca de 15.000 mortes pela doença. A mamografia é um dos exames mais utilizado para detecção precoce desde tipo de neoplasia. No entanto, erros acontecem na leitura e interpretação dos laudos, mesmo um profissional bem treinado apresenta uma taxa de acertos entre 65% a 75% com uma quantidade de falso negativo variando entre 15% a 30% e um falso positivo de 7% a 10%, resultando em quantidade desnecessária de biópsia, de 65% a 90% das biópsias de tecido com suspeita de câncer apresentam-se benigna, causando repercussão emocional e física para as pacientes. Sistemas computacionais podem ser desenvolvidos para auxiliar no diagnóstico médico. Este artigo aplicou as técnicas de redes neurais para desenvolver uma ferramenta computacional capaz de classificar lesões das categorias 4 e 5 do padrão BI-RADS®. Os resultados adquiridos pelo software, observaram que o melhor classificador no que diz respeito à taxa de acerto acurácia, foi o Deep Learning, atingindo um percentual de 82,60%, o Support Vectors Machine - SVM teve um percentual de 73,97%. Isto demostra que as técnicas de redes neurais utilizadas no projeto do software mostram uma eficácia na tarefa de classificação das lesões.

Um dos objetivos da pesquisa na ?rea das ci?ncias forenses ? encontrar marcadores gen?ticos uteis para a identifica??o humana de uma amostra questionada, mesmo na aus?ncia da amostra refer?ncia. A busca por marcadores capazes de prever caracter?sticas externamente vis?veis, do ingl?s externally visible characteristics (EVCs), tem se mostrado promissora especialmente em pa?ses como o Brasil, nos quais h? legisla??es restritivas ? forma??o de bancos de perfis gen?ticos criminais. Fen?tipos associados ? pigmenta??o humana j? t?m demonstrado resultados v?lidos para a aplica??o forense, contudo, a morfologia da face, um ponto relevante para a identifica??o do indiv?duo questionado, permanece sem resultados significativos. Com o prop?sito de identificar marcadores moleculares associados a fen?tipos de morfologia facial, o presente trabalho criou um banco de indiv?duos ga?chos fenotipicamente bem caracterizados, e com seus genomas completamente sequenciados, para ser amplamente estudado via sistemas computacionais de redes neurais. Classifica??es cuidadosamente detalhadas tanto na determina??o de classes fenot?picas como de gen?tipos foram realizadas, a fim de permitirem estudos associativos usando intelig?ncia artificial. Os estudos inclu?ram a obten??o, prepara??o e avalia??o t?cnica da imagem facial em duas dimens?es (fotografia) de indiv?duos ga?chos, an?lise profunda de seus segmentos gen?micos, bem como testagem massiva e estat?stica para sele??o de marcadores gen?ticos e c?lculos do poder preditivo de cada marcador ante a manifesta??o fenot?pica. Quase simultaneamente ao in?cio dos trabalhos deste doutorado, foi publicado um estudo cujo resultado era aparentemente promissor: grau de protus?o da orelha associado a variantes do gene EDAR. Considerou-se favor?vel contar-se com tal resultado dado que o fen?tipo se tratava de uma caracter?stica facilmente identificada nas imagens fotogr?ficas de documentos, e a popula??o original do estudo era formada por indiv?duos latino-americanos e, entre eles, muitos ga?chos. Com a base de dados faciais e gen?micos ga?cha rec?m-criada, a primeira estrat?gia de trabalho do presente doutorado foi, portanto, checar o resultado; contudo a associa??o n?o foi verdadeira na popula??o ga?cha. Fatores variados explicaram a inconsist?ncia dos resultados. Paralelamente, a base de dados foi usada para checar-se outra associa??o recentemente divulgada: grau de apar?ncia jovem da face e variantes do gene MC1R. Tais conclus?es, bem como estudos promovidos pelo presente doutorado est?o aqui apresentados. One of the objectives of the forensic sciences researches is to find genetic markers useful for human identification from a questioned sample, even in the absence of the reference sample. The search for markers capable of predicting Externally Visible Characteristics (EVCs) has shown promise especially in countries, such as Brazil, in which legislation restricts the formation of banks of criminal genetic profiles. Phenotypes associated to human pigmentation have already demonstrated valid results for forensic application, however, the morphology of the face, a relevant point for the identification of the questioned individual, remains without significant results. To identify molecular markers associated with facial morphology phenotypes, the present work created a bank of phenotypically well-characterized Brazilian individuals, with their genomes completely sequenced, to be extensively studied via computational neural network systems. The studies included the acquisition, preparation, and technical evaluation of two-dimensional facial images (photographs) of Brazilian individuals, in-depth analysis of their genomic segments, as well as massive statistical testing for selection of genetic markers and calculations of the predictive power of each marker in relation to phenotypic manifestation. Initially, a check of an apparently promising result, published in parallel, was carried out; however, the association between markers of the EDAR gene and the externally visible characteristic "degree of ear protrusion", which would prove to be very informative because it is easily identified in photographic images of documents, was not true in the Gaucho population studied here. In addition to this investigation, careful classifications in both phenotypic and genotypic class determination were carried out to allow associative studies using artificial intelligence. The completed results, as well as some of the many works promoted by this PhD are presented here. Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES

Submitted by Simone Maisonave (simonemaisonave@hotmail.com) on 2022-10-19T17:10:40Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Gisele_Moraes_Simas.pdf: 15815759 bytes, checksum: f40137e3dec1bbb6fe318be73431b382 (MD5) Approved for entry into archive by Simone Maisonave (simonemaisonave@hotmail.com) on 2022-10-19T18:35:00Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Gisele_Moraes_Simas.pdf: 15815759 bytes, checksum: f40137e3dec1bbb6fe318be73431b382 (MD5) Made available in DSpace on 2022-10-19T18:35:00Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Gisele_Moraes_Simas.pdf: 15815759 bytes, checksum: f40137e3dec1bbb6fe318be73431b382 (MD5) Previous issue date: 2022-06-24 Sem bolsa A seleção de biomarcadores gênicos pode beneficiar o gerenciamento clínico de pacientes e fornecer ’insights’ para a compreensão de doenças. No entanto, a análise de dados de expressão gênica ainda é um desafio, devido à: maldição de dimensionalidade (alta quantidade de features e pequeno número de amostras); presença de relações complexas não lineares; alto ruído de fundo; e dificuldade de análise de datasets em conjunto (com diferentes ruídos e escalas). Este trabalho visa analisar métodos de Aprendizagem de Máquina Profunda e Rasa para classificação de amostras e seleção de genes relevantes em datasets de microarray de diferentes tecidos. São explorados: as Convolutional Neural Networks (CNNs); os Vision Transformers; a Generative Adversarial Network (GAN); e a Multilayer Perceptron (MLP). Propomos a adoção do método Transcriptograma para a análise de redes de interação gênica e obtenção de um ordenamento de genes que possa ser explorado pelas CNNs. Além disso, propomos uma abordagem, nomeada de MLPEns, que explora o dropout para tratar um modelo de Rede Neural como um ensemble de modelos, visando aproveitar a alta capacidade de generalização dos ensembles. Para a seleção de genes relevantes foram analisados: os coeficientes de Support Vector Machines (SVMs); o Boruta Shap; e os pesos da MLPEns. Nossos resultados demonstram que, ao contrário da tendência recente na área, alguns métodos de Aprendizagem Rasa (como o SVM Linear L2 e a Regressão Ridge) fornecem resultados estatisticamente equivalentes à nossa melhor abordagem de Aprendizagem Profunda, tendo menor tempo de execução e simplicidade na interpretabilidade dos resultados; sendo, portanto, percebidos como as melhores opções para a análise desse tipo de dados. A abordagem de empregar o Transcriptograma possibilitou melhorar a acurácia da CNN; e a MLPEns alcançou resultados estatisticamente equivalentes às melhores abordagens analisadas. The selection of gene biomarkers can benefit the clinical management of patients and provide insights into the understanding of disease. However, the analysis of gene expression data is still a challenge, due to: curse of dimensionality (high number of features and small number of samples); presence of non-linear complex relationships; high background noise; and difficulty in analyzing datasets together (with different noise and scales). This work aims to analyze Deep and Shallow Machine Learning methods for sample classification and selection of relevant genes in microarray datasets from different tissues. We explore the following methods: Convolutional Neural Networks (CNNs); Vision Transformers; Generative Adversarial Network (GAN); and Multilayer Perceptron (MLP). We propose the adoption of the Transcriptogram method for analyzing gene interaction networks and obtaining an ordering of genes that can be explored by CNNs. Furthermore, we propose an approach, called MLPEns, which exploits dropout to treat a Neural Network model as an ensemble of models, aiming to take advantage of the high generalization capacity of the ensembles. For the selection of the relevant genes, we analyze: coefficients of Support Vector Machines (SVMs); Boruta Shap; and weights of MLPEs. Our results demonstrate that, contrary to the recent trend, some Shallow Learning methods (such as SVM Linear L2 and Ridge Regression) provide results that are statistically equivalent to our best Deep Learning approach and, in addition, have shorter execution times and greater simplicity in interpretability of results. Therefore, we perceive these methods as the best options for analyzing this type of data. The approach of employing the Transcriptogram has improved CNN accuracy; and MLPEns obtained results statistically equivalent to the best approaches analyzed.

RESUMO O Método de Elementos Discretos (Discrete Element Method - DEM) vem sendo uma ferramenta amplamente usada para simulação de fluxo de material granulado, que abrange diversas aplicações industriais. Para que os resultados da modelagem DEM sejam representativos, é necessário que os valores dos parâmetros de entrada (parâmetros da lei de contato ou microscópicos) do material sejam identificados. Neste procedimento, uma grande dificuldade é o alto custo computacional quando há muitas partículas pequenas e de formas irregulares. Assim, em simulações DEM, é prática comum usar partículas esféricas e em maior escala com a inclusão do parâmetro atrito de rolamento para aumentar a resistência ao cisalhamento. Para usual identificação de parâmetros DEM usando partículas esféricas aumentadas, realizam-se experimentos de laboratório e mede-se uma ou mais propriedades macroscópicas do material particulado. Então, ajustam-se os parâmetros microscópicos até que a predição da propriedade macroscópica do material seja alcançada (geralmente o ângulo de repouso). Em geral, este processo de identificação de parâmetros pode levar muito tempo, pois muitas simulações numéricas serão necessárias devido à multidimensionalidade de parâmetros. A fim de reduzir o número de simulações DEM para se determinar um adequado conjunto de parâmetros de entrada, este trabalho apresenta um método utilizando Planejamento de Experimentos para o planejamento de simulações DEM usando apenas 1/16 de um Fatorial Completo. Esse conjunto de simulações DEM possibilita a geração de uma Rede Neural Artificial que reproduz as simulações DEM, fazendo com que as demais simulações do fatorial completo seja realizada pela rede neural, reduzindo bastante o tempo das demais simulações para atingir o fatorial completo. Desta forma, com o modelo de regressão pela rede neural determina-se um adequado conjunto de parâmetros de entrada do modelo DEM que fornece o comportamento macroscópico almejado do material particulado. O método proposto foi aplicado em um estudo de caso da literatura. Como resultado, o número de simulações DEM foi reduzido em 66,7% para identificar um conjunto de parâmetros de entrada para predição do ângulo de repouso de um minério de ferro coesivo. ABSTRACT Discrete Element Method (DEM) has been a tool used to simulate the flow of granular material, covering a wide range of industries. For DEM modeling results to be representative, it is necessary to identify the values of the contact law parameters of the material. In this procedure, a major difficulty is the computational cost when handling small particles of irregular shapes. Thus, in DEM simulations, it is common practice to use upscaled spheres particles with the inclusion of contact rolling friction parameter to increase the shear strength. For typical calibration of DEM parameters using upscaled particles, laboratory experiments are performed, and one or more material’s bulk properties (macroscopic properties) are measured. Then, the contact law parameters are adjusted until the prediction behavior of the bulk be met (generally the angle of repose). In general, this parameter identification process can take a long time, as many numerical simulations will be required due to the multi-dimensionality of the parameter space. In order to reduce the number of DEM simulations to determine an adequate set of input parameters, this work presents a method using Design of Experiments (DOE) for the DEM simulations using only 1/16 of a Full Factorial. This set of DEM simulations allows the creation of an Artificial Neural Network (ANN) that simulates the DEM simulations, making the remained simulations of the full factorial to be performed by the neural network created. Thus, with the neural network regression model, an appropriate set of input parameters for the DEM model is determined, which provides the desired macroscopic behavior of the particulate material. The proposed method was applied in a case study from literature. As a result, the number of DEM simulations was reduced by 66.7% to identify a set of contact parameters for predicting the angle of repose of a cohesive iron ore.