Search

Pesquisa sem auxílio de agências de fomento A segmentação de regiões tumorais em lâminas coradas com hematoxilina e eosina (H&E) é uma tarefa importante para os patologistas no diagnóstico de diferentes tipos de câncer, incluindo câncer derivado da cavidade oral (do inglês, oral squamous cell carcinoma - OSCC). Imagens histológicas de toda a lâmina (do inglês, whole slide image - WSI) são imagens de alta resolução que podem conter células, estruturas celulares e alguns artefatos derivados do processo de aquisição de imagem. Processar essas imagens enormes para descartar áreas não relevantes, mantendo apenas as regiões clinicamente relevantes, é uma tarefa desafiadora. Nesse trabalho é apresentado uma nova abordagem, baseada em redes neurais completamente convolucionais (do inglês, fully convolutional network - FCN), capaz de analisar automaticamente uma WSI para segmentar regiões de tumores da cavidade oral com o objetivo de auxiliar a tomada de decisão do patologista sobre diagnósticos e prognósticos de OSCC. A metodologia proposta utiliza características de cor no espaço de cores HSV para identificar as regiões de tecido em uma etapa de pré-processamento. As regiões do tecido identificadas na WSI são transformadas para o espaço de cores CIE L*a*b* e divididas em subimagens menores. Uma FCN baseada no modelo U-Net, treinada com uma nova estratégia de aumento de dados, é utilizada para localizar e segmentar regiões tumorais a partir das subimagens. Para avaliar a metodologia proposta, uma nova base de imagens com WSIs de tecidos de OSCC corados com H&E foi criada. O método foi testado nesta e em outras bases de imagens disponíveis na literatura, incluindo uma base de WSIs de outro tipo de câncer, alcançando 90% de F1-score na nova base de imagens criada. Para as demais bases de imagens de domínio público o método obteve uma média de 83% de F1-score, mostrando-se robusto e com o potencial para criar uma ferramenta de apoio ao diagnóstico em casos de OSCC. Segmentation of tumor regions in H&E-stained slides is an important task for pathologists while diagnosing different types of cancer, including oral squamous cell carcinoma (OSCC). Whole slide histological images (WSI) are high-resolution images created from tissue sections that can contain many different types of cells, regions, and some artifacts derived from the image acquisition process. Processing these huge images to discard non-relevant areas while keeping only the clinically relevant regions is a challenging task. This work presents a new approach, based on fully convolutional neural networks (FCN), capable of automatically analyzing a WSI to segment regions of oral cavity tumors to aid and enhance the pathologist's decision making on OSCC diagnoses and prognosis. The proposed methodology uses color characteristics in the HSV color space to identify tissue regions in a pre-processing step. The tissue regions identified in the WSI are transformed to the CIE L*a*b* color space and split into smaller sub-images. An FCN segmentation model, based on the U-Net model and trained using a new data augmentation strategy, is used to locate and segment tumor regions from the sub-images. The evaluation of the proposal was tested using public domain image datasets, and a newly created WSI dataset of H&E-stained OSCC tissues. The results have shown a segmentation F1-score of 97% in the new OSCC dataset created. For the public domain image datasets, including a dataset of WSIs from another type of cancer, the proposed method obtained an average F1-score of 83%, proving to be robust and with the potential to develop a tool to support the diagnosis in cases of OSCC. Tese (Doutorado)

The software development process is a complex, costly and difficult task, being subject of several studies over the years. In order to turn software more tangible, metrics calculation is used to provide useful informations to support developers in decision-making process. This present study used Chidamber and Kemerer suite metrics (CK metrics) to measure software developed under object oriented paradigm. A sistematic review was conducted and exposed the efficiency of CK metrics in several studies. Some metrics as CBO, RFC and WMC were successfully used in all studies analyzed, while other (LCOM , DIT and NOC) were successful in only a few. In addition, a table with values of these measures indicated possible software problems, such as predicting error prone, was created. A new visualization model is proposed, based on a simplistic metaphor of universe, which aims to facilitate the understanding of softwares transforming the classes of a system in celestial bodies have stipulated characteristics according to the value of metrics. This model was implemented in a software, called SUVsoft, that performs visualization software and calculate the CK metrics suite. Finally, five softwares of different sizes and contexts were visualized and analyzed, and it was observed that the application of gravitational force herewith color and radius allowed the identification of classes with discrepant values in CK metrics. The results of this dissertation can be used to guide future studies of CK metrics and also to assist Software Engineering activities through the visualization using the proposed model. O processo de desenvolvimento de software é uma atividade complexa, custosa e difícil, sendo tema de diversos estudos ao longo dos anos. Para tornar o software mais tangível, o cálculo de métricas é utilizado para fornecer informações úteis aos desenvolvedores, auxiliando no processo de tomada de decisões. Além do uso de métricas, é crescente o uso da visualização de software para auxílio na compreensão e desenvolvimento de softwares. O presente trabalho utiliza as métricas de Chidamber e Kemerer (métricas CK) para medir sistemas desenvolvidos sob o paradigma da orientação a objetos. Foi realizada uma revisão sistemática que expôs a eficiência das métricas CK em diversos estudos. As métricas CBO, RFC e WMC foram utilizadas com sucesso em todos os estudos analisados, enquanto as demais (LCOM, DIT e NOC) obtiveram sucesso em apenas alguns. Além disso, foi criada uma tabela com valores dessas medidas que apontaram possíveis problemas do software, como a predição da propensão a erros. Por fim, é proposto um novo modelo de visualização de software, baseado em uma metáfora simplista do universo, que visa facilitar a compreensão de programas transformando as classes de um sistema em corpos celestes que possuem características estipuladas de acordo com o valor das métricas. Esse modelo foi implementado no software denominado SUVsoft, que realiza a visualização de software e calcula o conjunto de métricas CK. Cinco softwares, de diferentes tamanhos e contextos foram visualizados e analisados e foi possível observar que a aplicação do conceito de força gravitacional com características definidas por métricas (cor e raio) possibilitaram a identificação de classes que possuem valores de métricas discrepante das demais. Os resultados deste trabalho podem ser utilizados para nortear futuros estudos sobre métricas de CK e também auxiliar nas atividades de Engenharia de Software, por meio do modelo de visualização proposto. Mestre em Ciência da Computação

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior In recent decades, population growth and the demand for food have boosted the use of technological resources in what we call Precision Agriculture (PA). Among these technologies, the use of Unmanned Aerial Vehicles (UAVs) has stood out for assisting, enhancing, and optimizing agricultural production. The images captured by UAVs allow a detailed view of the analyzed region since the flight occurs at low and medium altitudes (50m to 400m). In addition, there is a wide variety of sensors (RGB cameras, heat capture sensors, multi and hyperspectral cameras, among others), each with its own characteristics and capable of producing different information. In the case of the acquisition of multi-spectral images, each channel of the image is acquired by a different sensor and at different times. Thus, due to the intrinsic characteristics of the UAV flight and the very nature of the acquisition, two main types of deformations between the bands of the same image are commonly observed, are (1) linear and (2) non-linear. Linear deformations consist, for example, of transformations of rotation, translation, and scale; non-linear ones, however, have varied characteristics and without a previously defined pattern. For the correct analysis of these images in the PA, it is necessary to identify and correct these deformations. Therefore, it is proposed to train deep neural networks for the tasks of (1) identification of the presence of deformations and (2) the prediction of vector deformation fields to perform the registration between bands of a multispectral image. Results show that such techniques are promising for the solution to the problem in question. For the identification of the presence of deformation, we achieved an accuracy of 99.18% in images with linear deformations and 99.25% for non-linear deformations. In addition, the proposed approach reached an accuracy of 89.90% to 93.79% in the task of estimating the displacement field between the bands. With this field estimated by the network, it is possible to register between the bands without the need for manual marking of points. Nas últimas décadas, o crescimento populacional e a demanda por alimentos impulsionaram o uso de recursos tecnológicos no que chamamos de Agricultura de Precisão (AP). Dentre essas tecnologias, a utilização de Veículos Aéreos Não Tripulados (VANTs) tem-se destacado por auxiliar, potencializar e otimizar a produção agrícola. As imagens capturadas por VANTs permitem uma visão detalhada da região analisada, visto que o voo ocorre em altitudes baixas e médias (50m a 400m). Além disso, existe uma grande variedade de sensores (câmeras RGB, sensores de captura de calor, câmeras multi e hiperespectrais, entre outros), cada um com características próprias e capaz de produzir informações diferentes. No caso da aquisição de imagens multi espectrais, cada canal da imagem é adquirida por um sensor diferente e em momentos diferentes. Assim, muitas vezes, devido à características intríncecas ao voo do VANT e a própria natureza da aquisição, dois tipos principais de deformações entre as bandas de uma mesma imagem são comumente observadas, são elas: (1) lineares e (2) não lineares. As deformações lineares consistem, por exemplo, em transformações de rotação, translação e escala; já as não lineares possuem características variadas e sem um padrão previamente definido. Para a correta análise dessas imagens na AP, é necessário identificar e corrigir essas deformações. Diante disso, propõe-se o treinamento de redes neurais profundas para as tarefas de (1) identificação da presença da deformações e (2) a predição dos campos vetoriais de deformação para realizar o registro entre bandas de uma imagem multiespectral. Resultados evidenciam que tais técnicas se mostram promissoras para a solução do problema em questão. Para a identificação da presença de deformação, conseguimos uma precisão de 99,18% em imagens com deformações lineares e 99,25% para deformações não lineares. Além disso, a abordagem proposta alcançou uma precisão de 89,90% a 93,79% na tarefa de estimar o campo de deslocamento entre as bandas. De posse desse campo estimado pela rede, é possível realizar o registro entre as bandas sem a necessidade de marcação manual de pontos. Dissertação (Mestrado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior O reconhecimento de diferentes espécies de pólen, vírus e madeira tem se mostrado importantes para diferentes áreas, contribuindo para as investigações criminais, estudos climáticos, desenvolvimento de medicamentos, dentre outros. Entretanto, esses estudos dependem de profissionais altamente qualificados para a análise de imagens microscópicas, que se tornaram escassos e dispendiosos. Contudo, a automação destas tarefas utilizando métodos computacionais se mostra promissora. Recentemente, Deep Learning provou ser o melhor conjunto de técnicas para diversas tarefas de visão computacional, porém construir um conjunto de imagens com um tamanho suficiente para treinar essas técnicas a partir de sua inicialização com pesos aleatórios se mostra uma tarefa árdua. Este estudo investigou o uso de transferência de aprendizado em redes neurais profundas pré-treinadas para classificação de imagens microscópicas de amostras de pólen, madeira e vírus, comparando seus resultados com treinamento com pesos aleatórios e os métodos de extração de características pré-projetadas. Também foram introduzidos os dois maiores conjuntos em relação ao número de classes de imagens microscópicas de pólen e madeira até o momento, com 134 e 281 classes, respectivamente. Os resultados apontam que, mesmo com um elevado número de classes das bases de imagens, as metodologias propostas são capazes de atingir uma acurácia satisfatória para sua classificação. A saber, 96,24% na classificação de pólen e 98,75% na classificação de madeira. Adicionalmente, foi desenvolvido um novo dispositivo portátil combinado a um protocolo de aquisição de imagens simplificado para realização da classificação de madeiras fora de um laboratório. O resultado inicial avaliando 11 espécies amazônicas alcançou 98,13% de acurácia. Já para a classificação de vírus, as redes neurais profundas se apresentam mais eficazes atingindo a acurácia de 89%, sendo 2,8% superior quando comparadas com o melhor estudo de características pré-projetadas da literatura. Pollen, virus, and wood species recognition has been shown to be an important task for a number of areas, contributing to criminal investigations, climate studies, drug developments, among others. However, these studies rely on highly qualified professionals to analyze microscopic images, which have become scarce and costly. Therefore, the automation of these tasks using computational methods is promising. Recently, Deep Learning has proven to be the ultimate set of techniques for many computer vision tasks, however, it is a very difficult task to build a data set with enough samples to train these techniques from scratch. In this study, the use of transfer learning was investigated pre-training deep neural networks for pollen, wood, and virus image classification and compared their results with training from scratch and with promising pre-designed features. It also introduced the largest data sets of pollen and wood images to the present date, with 134 and 281 classes, respectively. Results indicate that even with a high number of classes, the proposed methodologies are capable of achieving acceptable classification accuracy: 96.24% in the pollen and 98.75% in the wood classification. Additionally, a new portable device combined with a new image acquisition protocol was developed to perform the wood identification outside a laboratory. Initial results evaluating 11 amazon wood species achieved 98.13% accuracy. As for the virus classification, the deep neural networks have shown to be more effective achieving 89% accuracy, being 2.8% superior when compared to the best pre-designed features study in the literature. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior A classificação de dados é um dos tópicos mais importantes de aprendizado de máquina (AM) e tem como objetivo automatizar problemas de categorização ou predição, atribuindo uma classe (ou rótulo) que caracteriza cada instância do problema abordado. Os algoritmos de classificação tradicionais (ou monorrótulo) assumem que cada instância é associada a uma única classe, entretanto, muitos problemas do mundo real podem ser relacionados a múltiplos rótulos simultaneamente, como por exemplo, a anotação de imagens contendo múltiplos objetos. Por se tratar de uma extensão da classificação monorrótulo, a maioria dos algoritmos de aprendizado multirrótulo (AMR) são baseados em técnicas da classificação tradicional, herdando suas vantagens mas também suas limitações. Em relação às limitações, a maioria das técnicas de classificação monorrótulo possuem o processo de aprendizado guiado apenas por características físicas dos dados (e.g., distância ou distribuição) e ignoram relacionamentos semânticos e estruturais dos dados, como por exemplo, formação de padrão. Recentemente, diversos trabalhos têm utilizado conceitos de redes complexas a fim de capturar relacionamentos estruturais e topológicos dos dados (i.e., características de alto nível) e consequentemente melhorar seus resultados. Inspirado pelo uso emergente de redes complexas no AM, este trabalho investiga um novo método baseado em redes complexas para o AMR, trazendo novas técnicas de modelagem do problema multirrótulo para a forma de rede, além de uma abordagem híbrida capaz de considerar tanto aspectos físicos quanto topológicos dos dados ao combinar redes complexas com técnicas de AMR tradicional. Experimentos realizados em bases de dados artificiais e reais demonstram a capacidade da técnica de alto nível em detectar múltiplos padrões nos dados e em virtude disso aprimorar a habilidade preditiva das técnicas de AMR tradicionais. Mais importante, este trabalho abre caminho para novas pesquisas sobre redes complexas para AMR. Data classification is one of the most important topics in machine learning (ML) and aims to automate discrete learning tasks by assigning a class (or label) that characterizes each instance of the problem addressed. Traditional classification algorithms (or single-label) assume that each instance is associated with a single class, however, many real-world problems can be related to multiple labels simultaneously, such as the image annotation with multiple objects. As it is an extension of the single-label classification, most of the multi-label learning algorithms (MLL) are based on traditional classification techniques, inheriting their advantages but also their limitations. In relation to the limitations, most single-label classification techniques have a learning process guided only by physical characteristics of the data (e.g., distance or distribution) and ignore semantic and structural relationships of the data, such as pattern formation. Recently, several researches on ML have employed concepts of complex networks in order to capture structural and topological relationships of the data (i.e., high-level characteristics) and consequently improve their results. Inspired by the emerging usage of complex networks in ML, this dissertation investigates new methods based on complex networks for MLL, presenting new techniques for modeling the multi-label problem into a network as well as a new hybrid approach able to consider both physical and topological aspects of the data by combining complex networks with traditional MLL techniques. Experiments performed on artificial and real-world databases demonstrate the ability of the high-level technique to detect multiple patterns in the data and, as a result, improve the predictive performance of traditional MLL techniques. Moreover, this work paves a way to new developments based on complex networks to MLL. Dissertação (Mestrado)

FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais No presente trabalho é proposto uma metodologia computacional para o processamento e análise de imagens relativas a embriões da Drosophila melanogaster. Investigações básicas sobre a expressão gênica desse organismo possibilitam conhecimentos fundamentais sobre processos biológicos importantes, como o desenvolvimento e a diferenciação celular. A metodologia apresentada é constituída por seis módulos computacionais desenvolvidos a partir de técnicas de Processamento Digital de Imagens que podem ser aplicados sequencialmente ou individualmente, a saber: (1) Isolamento do embrião, (2) Padronização, (3) Segmentação dos núcleos, (4) Representação dos dados nucleares, (5) Representação dos dados do citoplasma e (6) Quantificação da expressão. Os módulos incluem soluções para padronização dos dados, segmentação de imagens, representação dos dados de expressão gênica e extração de dados quantitativos – sendo útil para análises biológicas que vão desde a identificação do embrião principal na imagem até a visualização dos padrões de expressão gênica. Em conjunto, é oferecido uma solução genérica para o tratamento da complexidade dos dados desse tipo de imagem. Para validação da proposta, foram usadas imagens da superfície dos embriões e das seções sagital e transversa. Essas imagens foram obtidas de bases de imagens públicas (BDGP e FlyEx) e também de bases próprias. Os resultados comprovam que a metodologia proposta é flexível e robusta, uma vez que é capaz de tratar uma ampla variedade de imagens desse domínio. Parte dos métodos propostos tiveram desempenho superiores aos encontrados na literatura. Também são apresentadas interpretações biológicas realizadas a partir dos dados obtidos com a aplicação da metodologia. In this thesis, it is proposed a computational methodology for processing and analysis of Drosophila melanogaster embryos images. Basic investigations of the gene expression in this organism provide fundamental knowledge about important biological processes, such as cell development and differentiation. The methodology consists of six computational modules developed from Digital Image Processing techniques that can be applied sequentially or individually, namely: (1) Embryo isolation, (2) Standardization, (3) Nuclear segmentation, (4) Representation of nuclear data, (5) Representation of cytoplasm data and (6) Expression quantification. The modules include solutions for data standardization, image segmentation, representation of gene expression data and extraction of quantitative gene expression data – being useful for biological analysis ranging from the identification of the main embryo in the image to the visualization of the gene expression patterns. Together, it is offered a generic solution for the treatment of the data complexity of this image type. The proposal was validaded using embryo surface images and sagittal and transverse sections. These images were obtained from public image databases (BDGP and FlyEx) and also from our own databases. The results show that the proposed methodology is flexible and robust, as it handles a wide variety of images in this domain. Part of the proposed methods performed better than those found in the literature. In addition, it is presented the biological interpretations made from the data obtained with the application of the methodology. Tese (Doutorado) 2023-01-15

Apesar de ser uma técnica muito difundida, a radioterapia pode causar danos ao reparo ósseo, como por exemplo, a diminuição da vascularização. Entretanto, a rede vascular óssea tem um papel importante na capacidade de regeneração dos ossos, pois fornece oxigênio e nutrientes essenciais, logo, ferramentas que auxiliem a análise dessas redes são importantes para o estudo de diversas terapias que têm influência sobre o tecido ósseo. Para analisar tais redes foi feita a reconstrução tridimensional de imagens coletadas a partir do seccionamento dos fêmures de um rato que recebeu doses de radiação em seu fêmur esquerdo, enquanto que o direito não foi irradiado sendo, portanto, utilizado para controle. Com o objetivo de auxiliar a análise desses volumes foi utilizada a técnica de esqueletização, que tem a finalidade de diminuir a quantidade de informação dos objetos e tornar a análise mais precisa e eficiente. Entretanto, existem diversos tipos de algoritmos esqueletização, sendo eles, de Afinamento, Geométricos, baseados na Transformada Distância, em Campo de Força e em Propagação de Ondas. Com o objetivo de analisar qual deles produz melhores resultados em volumes de redes vasculares foi escolhida uma implementação de cada tipo para ser testada e analisada em volumes pertencentes às redes vasculares. Além disso, o algoritmo escolhido para representar os métodos baseados em Propagação de Ondas foi desenvolvido e proposto neste trabalho exclusivamente para extrair canais de redes vasculares. Por fim, os esqueletos das redes vasculares conseguiram reproduzir com clareza a rede estudada e possibilitaram a conclusão de análises relacionadas ao impacto da radioterapia sobre a topologia vascular. Além disso, a comparação entre os tipos de algoritmos de esqueletização possibilitou um estudo aprofundado sobre o tema e sobre as diversas características de esqueletos de curva que podem ser usadas para classificar e comparar os métodos presentes na literatura. Although a common technique, the radiotherapy can cause damage to bone repair, such as decrease in vascularization. However, the bone vascular network has an important role in capacity of bone regeneration because it provides oxygen and nutrients, therefore, tools that helps the analysis of vascular networks are important for the study of various therapies that have influence on the bone repair. In order to analyze such networks, we mande three-dimensional reconstructions of collected images from the sectioning of a mouse femurs that received radiation doses in the left femur, while the right was not irradiated and used for control. In order to aid the analysis of these volumes, skeletonization techniques were used to decrease the amount of the objects’s information and make the analysis more accurate and efficient. However, there are several types of skeletonization algorithms which uses different approachs as based on Forcefield, Thinning, based on Distance Transform, Geometrical and based on Wave Propagation. In order to analyze which of them produces the best results in vascular networks, an implementation of each type was chosen to be tested and analyzed in vascular network volumes. Furthermore, the algorithm chosen to represent the methods based on Wave Propagation was developed and proposed in this work exclusively to extract vascular networks. Finally, the skeletons of the vascular networks reproduced the network studied with clarity and enabled the conclusion of analysis related to the radiation impact on vascular topology. In addition, the comparison between the types of skeletonization algorithms allowed a deep study about the subject and on the various curve skeletons characteristics that can be used to classify and compare the methods in the literature. Dissertação (Mestrado)

IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso A segmentação de imagens é uma operação importante em diversas aplicações de visão computacional e processamento de imagem, uma vez que representa o primeiro passo e o mais difícil em uma tarefa de análise de imagem. Um dos fatores que fazem a segmentação um desafio é a existência de objetos agrupados. Para lidar com esse problema, alguns trabalhos focam no desenvolvimento de métodos computacionais que visam a identificação precisa de marcadores na imagem, enquanto que outros se preocupam com o desenvolvimento de técnicas voltadas à seleção de pontos côncavos no contorno de objetos agrupados, bem como, na identificação de pares de pontos correspondentes, os quais são fundamentais para definir as subsequentes linhas de divisão. Nesse contexto, esta dissertação tem como objetivo discutir e comparar três propostas importantes da literatura que lidam com o cenário acima mencionado. Em geral, buscou-se avaliar comparativamente o desempenho dos métodos computacionais propostos pelos trabalhos em estudo. E quando necessário, lacunas inconsistentes foram apontadas, a fim de possibilitar o aprimoramento e qualidade dos mesmos. Evidencia-se que as três propostas examinadas são fortemente dependentes dos parâmetros inseridos pelo usuário para ocorrer sucesso na segmentação final. Assim, existe a necessidade de um conhecimento a priori da imagem, fazendo com que o desempenho caia, especialmente quando se tem um conjunto de imagens que possui objetos ou de várias formas, e/ou extremamente agrupados e/ou com muitas concavidades. Sendo assim, as três propostas avaliadas possuem pontos vulneráveis ao segmentar objetos agrupados, seja por uma lacuna no algoritmo proposto, seja pela necessidade de se ter conhecimento a prior da imagem a ser segmentada, sendo necessário a inserção de parâmetros de forma manual. Logo, isso dificulta a escolha de um método ideal em uma situação prática real. Image segmentation is an important operation in several computer vision and image processing applications, since it represents the first step and most difficult in an image analysis task. One of the factors that make segmentation a challenge is the existence of clustered objects. To deal with this problem, some works focus on the development of computational methods that aim to accurately identify markers in the image, while others are concerned with the development of techniques aimed at selection of concave points on the contourn of clustered objects, as well as in identifying pairs of corresponding points, which are essential to define the subsequent division lines. In this context, this work aims to discuss and compare three important proposals in the literature dealing with the above scenario. In general, it sought to comparatively evaluate the performance of computational methods proposed by the works under study. And when necessary, inconsistent gaps were identified in order to enable improvement and quality. It is evident that the three proposals examined are strongly dependent on user-entered parameters to occur successfully in the final segmentation. Thus, there is a need for a priori knowledge of the image, causing the performance drop, especially when it has a set of images or objects having various shapes, and/or extremely clustered and/or with many concavities. Thus, the three proposals evaluated have vulnerabilities to target clustered objects, either by a gap in the proposed algorithm, or the need to have prior knowledge of the image to be segmented, requiring the insertion of manually parameters. So this makes it difficult to select an optimal method in a real practical situation. Dissertação (Mestrado)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Devido ao crescente uso de redes sociais, as pessoas deixaram de ser apenas consumidores de informações, elas passaram a também produzí-las e compartilhá-las. Informações geo-referenciadas, isto é, informações com dados de localização geográfica, têm sido utilizadas em várias propostas da literatura para identificar locais de interesse e auxiliar turistas que visitarão cidades que ainda não lhe são familiares. Este trabalho apresenta uma estratégia online que utiliza fotografias geo-referenciadas e seus metadados para identificar locais de interesse pertencentes a uma dada região geográfica e recuperar informações relevantes relacionadas. Todo o processo é executado automaticamente e em tempo real, retornando informações atualizadas sobre os locais. A estratégia proposta leva em consideração o dinamismo inerente a redes sociais e, assim, é robusta quanto a inconsistências e/ou informações desatualizadas, problemas comuns em soluções que se baseiam em dados pré-armazenados. A análise de resultados mostrou que a proposta é bastante promissora, retornando locais que apresentam alta taxa de concordância em relação àqueles existentes em um website turístico bastante popular. Due to the growing use of social networks people no longer just consume data, they also produce and share it. Geo-tagged information, i.e., data with geographical location, have been used in many attempts to identify popular places and help tourists that will visit unfamiliar cities. This Master Thesis presents an online strategy that uses geo-tagged photos and their metadata in order to identify places of interest inside a given geographical area and retrieve relevant related information. The whole process runs automatically in real time, returning updated information about places. The proposed strategy takes into account the inherent dynamism of social media, and thus is robust under inconsistencies and/or outdated information, a common issue in solutions that rely on previously stored data. The analysis of the results showed that our approach is very promising, returning places that present high agreement with those from a popular travel website. Dissertação (Mestrado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Redes temporais (ou dinâmicas) são frequentemente usadas para modelar conexões que ocorrem ao longo do tempo entre partes de um sistema por meio de nós e arestas. Nessas redes, todos os nós, arestas e instantes de tempo são conhecidos e estão disponíveis para serem utilizados na análise. Entretanto, em várias situações reais, dados são produzidos de forma massiva e contínua, o que é conhecido como fluxo contínuo de dados (FCD). Nesse tipo de aplicação, o volume de dados pode ser tão grande que o armazenamento deles pode ser impossível e as tarefas de mineração se tornam ainda mais desafiadoras. Em redes provenientes de FCD, arestas são continuamente adicionadas em distribuição não-estacionária. Tanto em redes temporais quanto em redes em FCD, padrões relacionados à atividade de nós e arestas são tipicamente irregulares ao longo do tempo, o que torna a visualização dessas redes útil para obter insights sobre a estrutura e dinâmica delas. Por outro lado, a distribuição não-estacionária aumenta a complexidade e torna a visualização de redes em FCD ainda mais desafiadora. Vários layouts visuais foram propostos até hoje, mas todos possuem limitações. O principal desafio é a quantidade de informação visual, que aumenta dependendo do tamanho e densidade da rede e causa poluição visual devido à sobreposição de arestas, resolução temporal e proximidade dos nós. Nesta tese, nós propomos métodos para melhorar a visualização de redes em FCD por meio da manipulação das três dimensões da rede: nó, aresta e tempo. Mais especificamente, nós propomos: (i) CNO, um método de ordenação de nós visualmente escalável; (ii) SEVis, um método de amostragem de arestas em FCD; (iii) um método para FCD que adapta a resolução temporal de acordo com níveis locais de atividade de nós. Também apresentamos um estudo comparativo considerando a combinação destes métodos. Por meio de estudos de caso com redes reais, mostramos que cada um dos métodos melhora bastante a legibilidade do layout, levando a uma tomada de decisão rápida e confiável. Temporal networks (also known as dynamic networks) are often used to model connections that occur over time between parts of a system by using nodes and edges. In temporal networks, all nodes, edges, and times, are known and available to be used in the analysis. However, in several real-world applications, data are produced in a massive and continuous way, which is known as data stream. In this case, the volume of data may be so large that the storage may be impossible and mining tasks become more challenging. In streaming temporal networks, edges are continuously arriving in non-stationary distribution. In both temporal and streaming temporal networks, patterns related to node and edge activity are typically irregular in time, which makes the visualization of such networks helpful to gain insights about network structure and dynamics. Nevertheless, the non-stationary distribution of incoming data increases complexity and turns the streaming temporal network visualization even more challenging. Several visualization layouts have been proposed, but they all have limitations. The main challenge in this context is the amount of visual information, that increases depending on the network size and density, and causes visual clutter due to edge overlap, fine temporal resolution, and node proximity. In this thesis, we propose methods to enhance the visualization of streaming temporal networks through the manipulation of the three network dimensions, namely node, edge, and time. Specifically, we propose: (i) CNO, a visual scalable node ordering method; (ii) SEVis, a streaming edge sampling method; and (iii) a streaming method that adapts the temporal resolution according to local levels of node activity. We also present a comparative study considering the combination of these methods. We show through case studies with real-world networks that each of these methods greatly improves layout readability, thus leading to a fast and reliable decision making. Tese (Doutorado)

FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Histological image analysis represents a major evolutionary step in modern medicine. Associated with this step, computational methods are being widely developed to help specialists during the analysis of these images to determine diagnostics, prognostics and appropriate treatments in accordance with the condition of the patient. However, when it is performed by specialists, this task becomes time-consuming and susceptible to inter- and intra-pathologist variability. To improve this traditional practice for diagnostics of Mantle Cell Lymphoma, Follicular Lymphoma and Chronic Lymphocytic Leukemia, this study proposes a method for the unsupervised segmentation of nuclear components in indicative cells of such neoplasias using histological images stained with Hematoxylin-Eosin. The proposed method was divided into preprocessing, segmentation and post processing. In the preprocessing step, the techniques used in histogram equalization and Gaussian filter were applied to the channels from RGB color model. In the segmentation, a thresholding technique was applied combining the methods of fuzzy 3-partition entropy and genetic algorithm. Finally, for the improvement of the segmentation results, morphological operations and the valley-emphasis technique were used. For evaluating the developed method, histological images of lymphoma with magnification 20x were selected and manually segmented by a specialist. Those reference images (gold standard) allowed the extraction of quantitative measures in order to compare this method with different techniques proposed in the literature. Furthermore, a qualitative evaluation was conducted leading to relevant and improved results over those from compared studies. Its application was also analysed considering the steps of feature extraction and classification of the lesions, obtaining results of accuracy close to 100% A análise de imagens histológicas representa uma das maiores evoluções da medicina moderna. Aliados a essa evolução, métodos computacionais vêm sendo amplamente desenvolvidos para auxiliar especialistas na análise dessas imagens para determinar diagnósticos, prognósticos e tratamentos adequados à condição do paciente. Porém, ao ser realizada por especialistas, essa tarefa torna-se dispendiosa e suscetível a variabilidades inter e intrapatologistas. Para aperfeiçoar tal prática tradicional para diagnósticos de Linfoma de Células do Manto, Linfoma Folicular e Leucemia Linfóide Crônica, este trabalho propõe um método para a segmentação não supervisionada dos componentes nucleares de células indicativas de tais neoplasias utilizando imagens histológicas coradas com Hematoxilina-Eosina. O método proposto foi dividido nas etapas de pré-processamento, segmentação e pós-processamento. Na etapa de pré-processamento, as técnicas de equalização do histograma e filtro gaussiano foram aplicadas sobre os canais componentes do modelo de cores RGB. Na segmentação, foi aplicada uma técnica de limiarização resultante da combinação entre os métodos fuzzy 3-partition entropy e algoritmo genético. Por fim, para aperfeiçoamento dos resultados da segmentação, foram utilizadas operações morfológicas e a técnica valley-emphasis. Para avaliar o método desenvolvido, imagens histológicas de linfoma com magnificação 20x foram selecionadas e segmentadas manualmente por um especialista. Essas imagens de referência (padrão-ouro) permitiram a extração de medidas quantitativas para a comparação entre este método e diferentes técnicas propostas na literatura. Além disso, uma avaliação qualitativa foi realizada levando a resultados relevantes e superiores aos trabalhos comparados. Também foi analisada a sua aplicação sobre as etapas de extração de características e classificação das diferentes lesões consideradas, obtendo resultados de acurácia próximos a 100%. Mestre em Ciência da Computação

Sistemas de recomendação fazem parte do nosso dia-a-dia. Os métodos usados nesses sistemas tem como objetivo principal predizer as preferências por novos itens baseado no perĄl do usuário. As pesquisas relacionadas a esse tópico procuram entre outras coisas tratar o problema do cold-start do usuário, que é o desaĄo de recomendar itens para usuários que possuem poucos ou nenhum registro de preferências no sistema. Uma forma de tratar o cold-start do usuário é buscar inferir as preferências dos usuários a partir de informações adicionais. Dessa forma, informações adicionais de diferentes tipos podem ser exploradas nas pesquisas. Alguns estudos usam informação social combinada com preferências dos usuários, outros se baseiam nos clicks ao navegar por sites Web, informação de localização geográĄca, percepção visual, informação de contexto, etc. A abordagem típica desses sistemas é usar informação adicional para construir um modelo de predição para cada usuário. Além desse processo ser mais complexo, para usuários full cold-start (sem preferências identiĄcadas pelo sistema) em particular, a maioria dos sistemas de recomendação apresentam um baixo desempenho. O trabalho aqui apresentado, por outro lado, propõe que novos usuários receberão recomendações mais acuradas de modelos de predição que já existem no sistema. Nesta tese foram propostas 4 abordagens para lidar com o problema de cold-start do usuário usando modelos existentes nos sistemas de recomendação. As abordagens apresentadas trataram os seguintes aspectos: o Inclusão de informação social em sistemas de recomendação tradicional: foram investigados os papéis de várias métricas sociais em um sistema de recomendação de preferências pairwise fornecendo subsidíos para a deĄnição de um framework geral para incluir informação social em abordagens tradicionais. o Uso de similaridade por percepção visual: usando a similaridade por percepção visual foram inferidas redes, conectando usuários similares, para serem usadas na seleção de modelos de predição para novos usuários. o Análise dos benefícios de um framework geral para incluir informação de redes de usuários em sistemas de recomendação: representando diferentes tipos de informação adicional como uma rede de usuários, foi investigado como as redes de usuários podem ser incluídas nos sistemas de recomendação de maneira a beneĄciar a recomendação para usuários cold-start. o Análise do impacto da seleção de modelos de predição para usuários cold-start: a última abordagem proposta considerou que sem a informação adicional o sistema poderia recomendar para novos usuários fazendo a troca entre os modelos já existentes no sistema e procurando aprender qual seria o mais adequado para a recomendação. As abordagens propostas foram avaliadas em termos da qualidade da predição e da qualidade do ranking em banco de dados reais e de diferentes domínios. Os resultados obtidos demonstraram que as abordagens propostas atingiram melhores resultados que os métodos do estado da arte. Recommender systems are in our everyday life. The recommendation methods have as main purpose to predict preferences for new items based on userŠs past preferences. The research related to this topic seeks among other things to discuss user cold-start problem, which is the challenge of recommending to users with few or no preferences records. One way to address cold-start issues is to infer the missing data relying on side information. Side information of different types has been explored in researches. Some studies use social information combined with usersŠ preferences, others user click behavior, location-based information, userŠs visual perception, contextual information, etc. The typical approach is to use side information to build one prediction model for each cold user. Due to the inherent complexity of this prediction process, for full cold-start user in particular, the performance of most recommender systems falls a great deal. We, rather, propose that cold users are best served by models already built in system. In this thesis we propose 4 approaches to deal with user cold-start problem using existing models available for analysis in the recommender systems. We cover the follow aspects: o Embedding social information into traditional recommender systems: We investigate the role of several social metrics on pairwise preference recommendations and provide the Ąrst steps towards a general framework to incorporate social information in traditional approaches. o Improving recommendation with visual perception similarities: We extract networks connecting users with similar visual perception and use them to come up with prediction models that maximize the information gained from cold users. o Analyzing the beneĄts of general framework to incorporate networked information into recommender systems: Representing different types of side information as a user network, we investigated how to incorporate networked information into recommender systems to understand the beneĄts of it in the context of cold user recommendation. o Analyzing the impact of prediction model selection for cold users: The last proposal consider that without side information the system will recommend to cold users based on the switch of models already built in system. We evaluated the proposed approaches in terms of prediction quality and ranking quality in real-world datasets under different recommendation domains. The experiments showed that our approaches achieve better results than the comparison methods. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais UFU - Universidade Federal de Uberlândia A disponibilidade abundante de dados torna inviável a busca manual por informações relevantes. Os métodos automáticos para organizar os dados, como a detecção de agrupamentos, podem ser úteis para ajudar nesta tarefa propiciando o acesso à informação desejada em tempo hábil. As abordagens de detecção semissupervisionada de agrupamentos empregam alguma informação adicional para guiar o processo baseado nos atributos dos dados de forma a obter uma organização mais próxima da desejada pelo usuário. Todavia, a informação extra pode mudar ao longo do tempo impondo uma mudança na maneira como os dados devem ser organizados. Para ajudar a lidar com esse problema, propõe-se o framework CABESS (Cluster Adaptation Based on Evolving Semi-Supervision), para detecção online de agrupamentos semissupervisionada. O framework é capaz de lidar com a evolução da semissupervisão obtida a partir de feedbacks binários do usuário. Para validar a abordagem, os experimentos foram executados sobre sete conjuntos de dados com rótulos baseados em hierarquia considerando a especialização e generalização dos agrupamentos ao longo do tempo. Os resultados experimentais mostram o potencial do framework proposto para lidar com a evolução da semissupervisão. Além disso, eles também mostram que o framework é mais rápido que os tradicionais algoritmos de detecção de agrupamentos semissupervisionados, mesmo usando um tipo pobre de especificação da semissupervisão. The huge amount of currently available data puts considerable constraints on the task of information retrieval. Automatic methods to organize data, such as clustering, can be used to help with this task allowing timely access. Semi-supervised clustering approaches employ some additional information to guide the clustering performed based on data attributes to a more suitable data partition. However, this extra information may change over time imposing a shift in the manner by which data is organized. In order to help cope with this issue, this dissertation proposes the framework called CABESS (Cluster Adaptation Based on Evolving Semi-Supervision), for online clustering. This framework is able to deal with evolving semi-supervision obtained through user binary feedbacks. To validate the approach, the experiments were run over seven hierarchical labeled datasets considering clustering splits and merges over time. The experimental results show the potential of the proposed framework for dealing with evolving semi-supervision. Moreover, they also show that the framework is faster than traditional semi-supervised clustering algorithms using lower standard semi-supervision. Dissertação (Mestrado)

Durante a fase de manutenção de software, os processos de localização de características e bugs de software exercem um relevante papel na recuperação da rastreabilidade entre descrições expressas em linguagem natural e trechos de código fonte. Entretanto, ferramentas automatizadas propostas para esta finalidade não tem apresentado acurácia que possa ser considerada como definitiva. Neste sentido, o objetivo principal deste trabalho foi o aprimoramento de vetores de parágrafos, produzidos por uma rede neural Artificial empregada no algoritmo Doc2vec, e aplicados ao processo de localização de características e de bugs de software. Assim, melhor definidos, estes vetores puderam ser usados no cálculo de similaridades entre descrições de características e métodos do código fonte. Da mesma forma, a similaridade entre bugs e classes do código fonte pôde ser aprimorada. Para atingir este objetivo, foi aplicada uma taxa de aprendizado cíclica além da alteração da função de custo da rede neural que estavam associados ao algoritmo Doc2vec. Outras abordagens utilizadas reforçaram os ganhos em acurácia para o algoritmo Doc2vec a partir da combinação de rankings obtidos em ferramentas que expressam o estado da arte em Engenharia de Software. Um conjunto de abordagens que não apresentaram resultados satisfatórios também foram experimentadas e são descritas neste trabalho. Dentre estas podem ser citadas a melhoria da qualidade dos vetores representativos de métodos e classes do código fonte a partir de outros sistemas escritos na linguagem de programação Java; uso de pesos sintáticos diferenciados para termos que participam da composição de vetores relacionados às classes e métodos; e uso do algoritmo fastText para geração de vetores. Para cada abordagem proposta, ponderações foram feitas no sentido de se avaliar sua efetividade de uso em contextos de localização de bugs e características. Em resumo, com uma combinação das melhorias propostas para a rede neural artificial, a acurácia do estado da arte para a tarefa de localização de características pôde ser superada. Além disso, também foi possível melhorar a localização de bugs realizada a partir do uso do algoritmo Doc2vec bem como determinar quais hiperparâmetros eram mais influentes para melhoria da acurácia. Throughout a software maintenance phase, the processes of feature and bug location play an important role in the retrieval of traceability between natural language and source code. However, existing automated tools, which were designed to perform these tasks, have not yet presented the desirable accuracy expected as a definitive outcome. In this sense, this work main objective seeks to attend to the improvement of paragraph vectors, produced by artificial neural network in the Doc2vec algorithm, and applied into the processes of feature and software bug location. By improving the vector quality, these were used in the calculation of similarities found between feature descriptions and source code methods. Also, improvements in identifying bugs similarity and source code classes were observed. In order to reach this result, a cyclic learning rate was applied to the task in addition to customizing neural network loss function, which were associated with the Doc2vec algorithm. Furthermore, other approaches used have also demonstrated the gains in accuracy for the Doc2vec algorithm, provided by the combination of rankings obtained in tools that express the state of the art in Software Engineering. Yet, a set of other minor approaches were applied to this work, such as: improvement in the quality of representative vectors from source code methods, departing from other systems source code; usage of word syntactic influence within paragraphs extracted from source code; and usage of fastText algorithm to generate paragraph vectors. For each proposed approach, considerations were made in order to evaluate its effectiveness in feature and bug location tasks. In sum, the improvements proposed by this work to artificial neural network allowed to improve state of the art work in feature location tasks. Moreover, improvements in bug location were made by using the Doc2vec algorithm, and most influential hyper parameters were defined to improve accuracy. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Redes temporais representam interações entre entidades do domínio com a informação adicional de quando essas comunicações ocorrem. A visualização de redes temporais tem um importante papel no reconhecimento de propriedades das redes que seriam difíceis de serem percebidas sem uma estratégia de visualização adequada. Devido à grande quantidade de informação nessas redes, mais atenção tem sido dada em relação a escalabilidade visual associada com visualizações produzidas, mas ainda representa um problema não resolvido e com falta de abordagens específicas. Neste trabalho são propostas novas estratégias para melhorar a visualização de redes temporais. Especificamente, é proposta uma técnica de ordenação de nós escalável para a visualização de redes temporais, chamada de Community-based Node Ordering (CNO), que combina detecção de comunidade estática com técnicas de ordenação de nós, juntamente com uma taxonomia para categorizar os padrões das atividades. É apresentado também um método de visualização que permite a comparação entre dois algoritmos de detecção de comunidades para ajudar a decidir qual deles é melhor para a análise visual de comunidades. Também são abordados estratégias para a visualização de processos dinâmicos em redes, como espalhamento de rumores e doenças. Além disso, é conduzido um experimento com usuário com a definição de diferentes tarefas em redes temporais, a fim de identificar quais são as melhores formas de visualizar de acordo com diferentes tarefas. Por fim, é descrito o sistema Dynamic Network Visualization (DyNetVis), mostrado suas especificações, requisitos, funcionalidades e impacto na área. Os experimentos foram gerados com análises quantitativas e qualitativas utilizando redes reais em diferentes contextos, para mostrar que as visualizações propostas e suas categorizações ajudaram na identificação de padrões que seriam difíceis de serem vistos sem o uso dessas técnicas de visualização. Temporal networks represent interactions among entities of a given domain with additional information about when such interactions occur. The visualization of temporal networks plays a key role in the recognition of properties that would be difficult to perceive without an adequate visualization strategy. Due to a large amount of information provided by these networks, more attention has been given to issues related to the visual scalability associated with the produced layouts, but this still represents an unsolved problem and lacks effective techniques. We propose in this thesis novel techniques to enhance the visualization of temporal networks. Specifically, a scalable node reordering technique for temporal network visualization, named Community-based Node Ordering (CNO), combining static community detection with node reordering techniques, along with a taxonomy to categorize activity patterns. In addition, a visualization method that allows the comparison of two community detection algorithms is presented in order to decide which one is better for visual analysis of communities. Another contribution is the analysis of dynamic processes, as spreading rumors, diseases, applied in the visualization of temporal networks. Furthermore, we conducted a user experiment consisting of the application of different tasks in temporal networks, in order to find the relation of the layouts with the most appropriate tasks. Finally, the Dynamic Network Visualization (DyNetVis) system demonstrates the software specifications, examples, functionalities, and impact in the study field. We performed experiments with qualitative and quantitative analyses using real networks in several fields to show that the proposed layouts and categorization helped in the identification of patterns that would otherwise be difficult to see. Tese (Doutorado)

Este trabalho propõe o desenvolvimento de uma nova abordagem utilizando uma estrutura denominada short-term memory, para a construção de Métodos de Acesso Métricos dinâmicos derivados da Slim-Tree. Deste modo, o objetivo é minimizar a sobreposição das estruturas e, consequentemente, otimizar as operações de consulta por similaridade. A estratégia para alcançar este objetivo, fundamenta-se em adiar o processo da indexação para contabilizar no índice novos objetos com distâncias próximas. Além disso, foram empregadas distintas políticas de divisão de nós, o que permitiu mensurar os impactos destas no que refere-se a qualidade das estruturas resultantes, principalmente com relação ao grau de sobreposição. Os novos métodos propostos foram avaliados por conjunto de dados reais e sintéticos e comparados com MAM Slim-tree original. Os resultados dos experimentos foram significativos com relação à qualidade das árvores resultantes o que, consequentemente, impactou em melhor eficiência nas operações de consulta por similaridade, ao reduzir significativamente o número de cálculos de distância, a quantidade de acessos a páginas de disco e, consequentemente, o tempo de execução de consultas aos k-vizinhos mais próximos. This work proposes the development of a new approach using a structure called shortterm memory for the construction of dynamic MAMs derived from Slim-Tree. The goal is to minimize the overlap of nodes in the structure and, consequently, to optimize similarity queries. The strategy is based on postponing the indexing process to allow inserting, in the same index entry, new objects with closer distances. In addition, different node split policies were employed, which allowed to measure the impacts of these in what refers to the quality of the resulting structures, mainly with respect to the degree of overlap. The proposed new methods were evaluated by real and synthetic datasets and compared with the original MAM Slim-tree. The results of the experiments were significant with respect to the quality of the resulting trees, which consequently impacted on better efficiency in similarity query operations, significantly reducing the number of distance calculations, the number of disk page accesses and the execution time of k-nearest neighbors. Dissertação (Mestrado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Surveillance camera systems based on CCTV (closed-circuit television) are widely employed in a variety of society segments, from private and public security to crowd monitoring and terrorist attack prevention, generating a large volume of surveillance videos. The manual analysis of these videos is unfeasible due to the excessive amount of data to be analyzed, the associated subjectivity, and the presence of noise that can cause distraction and compromise the comprehension of relevant events, impairing an effective analysis. Automatic summarization techniques are usually employed to facilitate this analysis, providing additional information that may guide the security agent in this decision making. However, these strategies provide little/no user interaction, limiting his/her comprehension regarding the involved phenomena. Furthermore, such techniques only address specific scenarios, in the sense that no approach is good for all situations. In this sense, it is important to insert the user in the analysis process, as they provide the additional knowledge to effectively perform the events identification and exploration. Visual analytics techniques represent a potential tool for such analysis, providing video representations that clearly communicate their content, potentially revealing patterns that may represent events of interest. These representations can significantly increase the capacity of the security agent to identify important events, and filtering/exploring those that represent potential alert situations. In this project we propose a methodology for visual analysis of surveillance videos that employs Information Visualization techniques for events exploration. We specifically coordinate point-placement techniques and Temporal Self-similarity Maps (TSSMs) to create an analysis environment that reveal both structural and temporal aspects related to event occurrence. Users are able to interact with these layouts, in order to change the visualization perspective, focus on specific portions of the video, among other tasks. We present experiments in several surveillance scenarios that demonstrate the ability of the proposed methodology in providing an effective events summarization, the exploration of both the structure of each event and the relationship among them, as well as their temporal properties. The main contribution of this work is a surveillance visual analysis system which provides a deep exploration of different aspects present on surveillance videos regarding events occurrence, providing an effective analysis and a rapid decision making. Surveillance camera systems based on CCTV (closed-circuit television) are widely employed in a variety of society segments, from private and public security to crowd monitoring and terrorist attack prevention, generating a large volume of surveillance videos. The manual analysis of these videos is unfeasible due to the excessive amount of data to be analyzed, the associated subjectivity, and the presence of noise that can cause distraction and compromise the comprehension of relevant events, impairing an effective analysis. Automatic summarization techniques are usually employed to facilitate this analysis, providing additional information that may guide the security agent in this decision making. However, these strategies provide little/no user interaction, limiting his/her comprehension regarding the involved phenomena. Furthermore, such techniques only address specific scenarios, in the sense that no approach is good for all situations. In this sense, it is important to insert the user in the analysis process, as they provide the additional knowledge to effectively perform the events identification and exploration. Visual analytics techniques represent a potential tool for such analysis, providing video representations that clearly communicate their content, potentially revealing patterns that may represent events of interest. These representations can significantly increase the capacity of the security agent to identify important events, and filtering/exploring those that represent potential alert situations. In this project we propose a methodology for visual analysis of surveillance videos that employs Information Visualization techniques for events exploration. We specifically coordinate point-placement techniques and Temporal Self-similarity Maps (TSSMs) to create an analysis environment that reveal both structural and temporal aspects related to event occurrence. Users are able to interact with these layouts, in order to change the visualization perspective, focus on specific portions of the video, among other tasks. We present experiments in several surveillance scenarios that demonstrate the ability of the proposed methodology in providing an effective events summarization, the exploration of both the structure of each event and the relationship among them, as well as their temporal properties. The main contribution of this work is a surveillance visual analysis system which provides a deep exploration of different aspects present on surveillance videos regarding events occurrence, providing an effective analysis and a rapid decision making. Dissertação (Mestrado)

A área de processamento de imagens está presente em diversos segmentos da sociedade. Esta área está em constante desenvolvimento e, por meio do aprimoramento de diversas técnicas, pode-se auxiliar na resolução de problemas diversificados que sejam baseados em imagens. Existem diversos métodos na literatura que tratam da modelagem e da caracterização de texturas que, neste trabalho, são utilizados em texturas naturais e artificiais. Neste trabalho foram utilizadas as redes complexas para representar texturas, considerou-se os histogramas de energia do mapa de graus da rede complexa, selecionando os picos e vales desses histogramas para a definição de limiares a serem adotados para a geração do vetor de característica baseado nas imagens de textura a serem classificadas. Foram utilizadas, também, formas alternativas para a representação de imagens: foi proposto um método que analisa a modelagem dos dados utilizando padrões semânticos, para análises de imagens de grãos de pólen, e foram explorados características que influenciam a formação do vetor de características utilizando a topologia da garrafa de Klein para projetar patches da imagem em espaços topológicos. Foi explorado o cálculo dos Coeficientes Estimados de K-Fourier, a composição do vetor de características bem como novas combinações de tamanhos, que resultariam em uma redução da quantidade de descritores e melhoria na caracterização das bases de texturas. Foram realizados diversos experimentos sendo validados com a utilização de bases de imagens de texturas públicas já classificadas: Brodatz, CUReT, Outex_TC_00013, KTH-TIPS, UIUCTex, VisTex e uma base de imagens de grãos de pólen. Este trabalho demonstra que os métodos propostos conseguiram atingir as expectativas, conseguindo se sobressair pela quantidade reduzida de descritores utilizados e pelas acurácias obtidas nos experimentos. Image processing is a computing area that is present in many segments of society. This area is in constant development and, through the improvement of several techniques, it can help resolving many different problems which are based on images. There are several methods in the literature that deal with the modeling and the characterization of textures. This work is focused on natural and artificial textures. The proposed approach uses complex networks to represent textures. Energy histograms generated from maps of degrees of complex networks were used, selecting the their peaks and valleys for defining thresholds to be adopted to generate the feature vector based on the target images to be classified. We also used alternative forms for image representation: first, a method that analyzes the data modeling using semantic patterns for pollen grain image analysis was proposed, and, second, the analysis of influence of characteristics of the feature vector composition using the Klein bottle topology for designing image patches in topological spaces. The computation of the K-Fourier Estimated Coefficients was explored, the composition of the feature vector as well as new combinations of sizes, which would result in a reduction of the amount of descriptors and improvement in the characterization of texture datasets. Several experiments were carried out on some public domain datasets already classified: Brodatz, CUReT, Outex_TC_00013, KTH-TIPS, UIUCTex, VisTex, and a pollen grains image dataset. This work demonstrates that the proposed methods were able to reach out the expectations, being able to stand out for the reduced amount of used descriptors and the accuracy obtained in the experiments. Tese (Doutorado)

Histologia é a área da biologia que estuda os tecidos biológicos. Uma das maneiras de se estudar esses tecidos é por meio de imagens. O pesquisador extrai uma amostra de um animal, esta amostra é preparada, seccionada e levada ao microscópio, o qual possui uma câmera acoplada, que transforma a amostra em imagem. A análise dessas imagens é de fundamental importância para os especialistas estudarem e diagnosticarem possíveis doenças, má formação ou outras possíveis anomalias. Um dos tecidos que são analisados em histologia é o tecido ósseo, de fundamental importância para proteção de órgãos e dar estrutura para animais vertebrados. Uma das regiões analisadas no tecido ósseo são as redes vasculares ósseas as quais contêm canais ósseos, osteócitos, matriz óssea entre outros artefatos. A nutrição do tecido ósseo é realizada pelos canais ósseos e osteócitos. Por sua importância os especialistas estudam esses artefatos a Ąm de descobrirem se houve algum dano a essas regiões e, consequentemente, a nutrição do tecido. Ainda hoje a análise desses artefatos é feita de maneira manual pelos pesquisadores da área. Porém, devido a complexidade das imagens histológicas, uma análise manual despende muito tempo e dinheiro das instituições, além de Ącarem a mercê de julgamentos subjetivos de cada avaliador. Na literatura já existem muitos trabalhos que segmentam de maneira excelente os núcleos de células em imagens histológicas, porém a segmentação automática de canais ósseos e osteócitos é uma área pouco explorada. Devido a escassez de pesquisa e para auxiliar os especialistas no momento da análise da rede vascular óssea foi desenvolvido um método de segmentação automático dos canais ósseos e osteócitos. O método foi avaliado utilizando métricas como o coeĄciente de Dice e abordagem diagnóstica, além de ter sido comparado com outros métodos de segmentação automáticos (neighborhood valley emphasis (NVE); Otsu; valley emphasis (VE)). O resultado do método proposto por este trabalho se mostrou mais eĄciente que os outros, sendo uma alternativa viável para pesquisadores que desejam analisar a rede vascular óssea. Histology is the area of biology that studies biological tissues. One of the ways to study these tissues is through images. The researcher extracts a sample of an animal, this sample is prepared, sectioned and taken under a microscope, which has a coupled camera, which turns the sample into an image. The analysis of these images is of fundamental importance for the specialists to study and to diagnose possible diseases, malformation or other possible anomalies. One of the tissues that are analyzed in histology is the bone tissue, which is of fundamental importance to protect organs and structure for vertebrate animals. One of the regions analyzed in the bone tissue are the vascular networks of bone which contain bone canals, osteocytes, bone matrix and other artifacts. Bone canals and osteocytes are responsible for the nutrition of the bone tissue. Because of their importance, the specialists study these artifacts in order to discover any damage to these regions and, consequently, to the nutrition of the tissue. Even today the analysis of these artifacts is performed manually by researchers. However, due to the complexity of the histological images, manual analysis takes a lot of time and money from the institutions, and it is a task that depends of the subjective jugments of each evaluator. Literature provides many papers focused on cell nuclei segmentation in histological images, but the automatic segmentation of bone canals and osteocytes is less explored. Due to the lack of research and to assist the specialists in the analysis of the bone vascular network, a method of automatic / semi-automatic segmentation of bone canals and osteocytes is proposed. The method was applied to three diferent image sets which were evaluated through the Dice coeicient and diagnostic approach metrics. In addition to being compared with other automatic methods (neighborhood valley emphasis (NVE), valley emphasis (VE) and Otsu). Results showed that our approach proved to be more eicient than the others, being a viable alternative to analyze the bone vascular network. Dissertação (Mestrado)

As divergências de Bregman e Total Bregman são úteis para determinar a similaridade de dados complexos e têm sido utilizadas em diversas aplicações. Algoritmos fundamentais e estruturas de dados foram generalizados oferecendo, assim, meta-algoritmos que podem ser aplicados utilizando qualquer divergência de Bregman. Considerando a relevância das generalizações de métodos utilizando as divergências de Bregman e Total Bregman, visto que estas são medidas de dissimilaridade não métricas, propõe-se, neste trabalho, novos métodos de análise de imagens definidos para estas classes de divergências. Nesta perspectiva, são definidos novos funcionais de energia que possibilitam a generalização do método de segmentação hierárquica baseado no funcional de Mumford Shah e do método variacional empregado no registro de imagens. A aplicação destas divergências exigiu a definição de condições e tratamentos adequados. Os funcionais e tratamentos apresentados foram empregados na análise de imagens reais e sintéticas. Os resultados obtidos demonstram a viabilidade da aplicação dos funcionais propostos e evidenciam que a definição de tratamentos considerando as características dos dados e os domínios de aplicação das divergências propiciam um melhor desempenho dos métodos aplicados na análise de imagens. The Bregman and Total Bregman divergences are useful for determining the similarity of complex data and have been used in various applications. Fundamental algorithms and data structures have been generalizes offering thus meta-algorithms that can be applied using any Bregman divergences. Considering the relevance of generalizations methods using Bregman and Total Bregman divergences, since they are not metric dissimilarity measures, it is proposed in this work, new methods of image analysis deĄned for these class of Bregman divergence measures. In this perspective, we have developed new functional energy that enables the generalization of the hierarchical segmentation method based on functional Mumford Shah and the generalization of the variational method used in image registration. Conditions and treatments suitable to support similarity search defined by these divergences were established. Both the functional and the treatments were employed in the analysis of real and synthetic images. The results demonstrate the viability of implementing the defined functionals and show that the treatments, considering the characteristics and diferences of application domains, provide optimization of the methods used in image analysis. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais O trabalho descrito nesta tese está inserido no contexto do processamento de consultas sobre dados em fluxos (chamadas de consultas contínuas) com suporte a preferências. Embora existissem trabalhos nesta área, nenhuma pesquisa tinha explorado a informação temporal implícita nos dados em fluxo através de consultas contendo preferências temporais. O suporte a preferências temporais é interessante porque possibilita ao usuário expressar como os dados em um determinado instante influenciam as preferências em outro momento no tempo. O objetivo principal do trabalho descrito nesta tese foi a criação de um arcabouço teórico e prático que possibilite a realização de consultas contínuas contendo preferências condicionais temporais. Para atingir este objetivo, foi criada a linguagem de consulta StreamPref como uma extensão da Continuous Query Language (CQL). Inicialmente foi criada uma otimização para o processamento de consultas contendo preferências condicionais em bancos de dados tradicionais. Em seguida, foi desenvolvido um novo algoritmo incremental para o processamento de consultas contínuas contendo preferências condicionais. Por fim, foi criada a linguagem StreamPref contendo novos operadores capazes de processar consultas contínuas com preferências condicionais temporais. Também foram propostos algoritmos eficientes para processar os novos operadores e um novo modelo de preferência temporal para a comparação de sequências de tuplas. Foi demonstrado que os novos operadores possuem operações equivalentes em CQL mostrando que a linguagem StreamPref não aumenta o poder de expressão da linguagem CQL. Entretanto, os novos operadores possuem algoritmos específicos que possibilitam o processamento de consultas StreamPref de maneira mais eficiente do que suas contrapartes em CQL. Através da realização de extensos experimentos, foi comprovado que os algoritmos desenvolvidos possuem desempenho superior em relação aos algoritmos do estado-da-arte. Além disto, foram realizados experimentos que demonstraram como diferentes combinações de operadores StreamPref afetam as comparações de sequências e, consequentemente, a resposta para o usuário. The work described herein explored the evaluation of queries over data streams (called continuous queries) with support to preferences. No related work had employed the implicit temporal information in the data streams through queries containing temporal preferences. The use of temporal preferences is interesting because it allows the user to express how the data at a given moment influences the preferences at another time moment. The main goal of the work described herein was to create a theoretical and practical framework that allows continuous queries containing temporal conditional preferences. In order to achieve this goal, we created the StreamPref query language as an extension of the Continuous Query Language (CQL). First, we explored the develomentp of a strategy to optimize the execution of queries containing conditional preferences in traditional databases. Then, we designed a new incremental algorithm that is able to evaluate continuous queries containing conditional preferences. Finally, we proposed the StreamPref language with new operators capable of processing continuous queries with temporal conditional preferences. We also developed an efficient algorithm to evaluate the new operators and a new temporal preference model for the comparison of sequence of tuples. We demonstrated that the new operators have equivalent operations in CQL showing that the StreamPref language does not increase the expression power of the CQL language. However, the new operators have specific algorithms that enable a faster processing of StreamPref queries than their CQL counterparts. Through extensive experiments, it has been proven that our algorithms outperforms the state-of-the-art algorithms. Moreover, we also executed experiments to demonstrate how different combinations of StreamPref operators affect the comparisons of sequences and, by consequence, the response to the user. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Modelar as preferências e necessidades dos usuários é uma das tarefas de personalização mais importantes no domínio de recuperação de informações. Tais preferências são muito dinâmicas, já que os usuários tendem a explorar uma ampla variedade de itens e a modificar seus gostos de acordo com o tempo. Além disso, a todo momento, os usuários se deparam com opiniões dos outros e sofrem influência social. Em nossa pesquisa, investigamos a interação entre preferências do usuário e redes sociais ao longo do tempo. Definimos o que são dinâmicas de preferência do usuário e propusemos um modelo de preferência temporal capaz de descrever como as preferências do usuário evoluem ao longo do tempo por meio de alterações em seus perfis. Como solução para o problema, primeiro investigamos as redes temporais. Ao modelar uma amostra da rede do Twitter como uma rede social temporal, percebemos como os nós evoluem em função das métricas de centralidade e quão diferente é a evolução ao considerar redes estáticas versus temporais. Em seguida, exploramos a ideia de detecção de eventos de nó com base na centralidade de redes em evolução. O objetivo foi detectar em que pontos no tempo um nó altera significativamente seu comportamento. A proposta resultante foi um modelo de mineração de eventos de nó com duas estratégias diferentes para detectar pontos de mudança. Fi- nalmente, juntamos nossas descobertas e propostas até então e realizamos uma avaliação experimental. A descoberta é que existe uma forte correlação entre eventos de mudança de preferência e eventos de nó baseados em centralidade, especialmente quando se considera redes temporais. Ao final, construímos uma solução completa para o problema de previsão de mudança de preferência, levando em consideração o uso da detecção de eventos de nós em redes em constante evolução, nas quais o tempo em que as arestas estão ativas é um elemento explícito da representação. Nosso modelo é capaz de prever mudanças nas preferências do usuário com níveis competitivos de precisão. Modeling users’ preferences and needs is one of the most important personalization tasks in information retrieval domain. User preferences are fairly dynamic, since users tend to exploit a wide range of items and modify their tastes accordingly over time. Moreover, all the time users are facing with others’ opinions and suffering social influence. In our research, we investigate the interplay of User Preferences and Social Networks over time. We define what are user preference dynamics and propose a temporal preference model able to describe how user preferences evolve over time through changes on user profiles. As problem solution, we first investigate temporal networks. By modeling a sample of Twitter network as a temporal social network we perceive how nodes evolve in function of centrality metrics and how different is the evolution when considering static vs. temporal networks. Then, we explore the idea of centrality-based node event detection in evolving networks. The goal is to detect at what points in time a node change its behavior significantly. Our proposal is a node event mining model with two different strategies for detecting change points. Finally, we join our findings and proposals so far and perform an experimental evaluation using two datasets from different domains focused on our main goal: the interplay between user preferences and social networks over time. The discovery is that there is a strong correlation between preference change events and centrality-based node events, specially when considering temporal networks. Moreover, closeness centrality is more suitable when correlating preference changes and node events than betweenness. In the end, we build a complete solution for the preference change prediction problem, taking into account the use of node events detection in continuously evolving networks where the time when edges are active are an explicit element of the representation. Our prediction model is able to forecast changes on user preferences with competitive levels of accuracy. Tese (Doutorado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Com o crescente aumento da quantidade de dados armazenados, a área de mineração de dados tornou-se imprescindível para que seja possível manipular e extrair conhecimento a partir desses dados. Grande parte dos trabalhos nessa área focam em encontrar padrão nos dados, porém os dados fora do padrão (anomalias) também podem agregar muito no conhecimento do conjunto de dados em estudo. O estudo, o desenvolvimento e o aprimoramento de técnicas de detecção de outliers são objetivos importantes e têm se mostrado útil em diversos cenários, como: detecção de fraudes, detecção de intrusão e monitoramento de condições médicas entre outros. O trabalho apresentado aqui descreve um novo método para detecção semissupervisionada de outliers em dados com alta dimensionalidade. Os experimentos realizados com diversos conjuntos de dados reais indicam a superioridade do método proposto em relação aos métodos da literatura selecionados como linha de base. With the increase in the amount of data stored, the area of data mining has become essential for it to be possible to manipulate and extract knowledge from these data. Much of the work in this area focuses on finding patterns in the data, but non-standard data (anomalies) can also add much to the knowledge of the data set under study. The study, development and enhancement of outliers detection techniques are important objectives and have proven useful in several scenarios, such as: fraud detection, intrusion detection and monitoring of medical conditions, among others. The paper presented here describes a novel method for semi-supervised detection of outliers in high dimensional data. Experiments with several real datasets indicate the superiority of the proposed method in relation to the literature methods selected as the baseline. Dissertação (Mestrado)

Os softwares de bioimagens são utilizados para a análise de imagens microscópicas e auxiliam os usuários em suas tomadas de decisões. Grande parte dos softwares de bioimagens são disponibilizados como ferramentas locais, necessitando de instalação. A presente dissertação visa apresentar o desenvolvimento de um software de bioimagem na nuvem, denominado BioWebVis. O BioWebVis pode ser acessado em um navegador web utilizando a internet. Pretende-se com esse software auxiliar patologistas, biólogos e outros especialistas na tomada de decisão, minimizando a subjetividade de suas avaliações. No desenvolvimento foram realizados estudos nos softwares de bioimagens livres (gratuitos), o qual foram identificadas as características positivas e negativas, permitindo a escolha das tecnologias apropriadas para desenvolver o ambiente. O trabalho proveu um software de bioimagem na nuvem para análise citomorfométrica usando imagens tridimensionais. Para validar o ambiente foram realizados dois estudos de casos. Em cada estudo de caso, técnicas diferentes foram utilizadas para a validação das funcionalidades do ambiente. O primeiro, utilizou a citomorfometria para classificação da localização de padrões subcelulares em células HeLa. Esse estudo de caso forneceu resultados relevantes, pois utilizando o classificador Análise Discriminante Quadrática (Quadratic Discriminant Analysis) (QDA) com 5 atributos morfológicos atingiu-se a acurácia de 97,59% na classificação de padrões subcelulares. O segundo estudo de caso, utilizou a citomorfometria para a análise das alterações no padrão de heterocromatina nos cérebros de tartarugas da Amazônia. Utilizando o algoritmo K-means obteve-se o V-measure igual a 1, indicando um agrupamento perfeito. Estudos preliminares indicam que as células de heterocromatina sofreram uma diminuição de tamanho sobre dosagens maiores de herbicidas. O ambiente proposto foi capaz fornecer dados quantitativos para a análise citomorfométrica e também auxiliou na descoberta de padrões celulares. Bioimaging software is used to analyze microscopic images and assist users in their decision making. Most bioimaging software is available as local tools, requiring installation and, in some cases, configuration. The present dissertation aims to present the development of bioimaging software in the cloud, called BioWebVis. BioWebVis can be accessed in a web browser using the internet. This software is intended to assist pathologists, biologists and other specialists in decision making, minimizing the subjectivity of their evaluations. In the development, studies were carried out on free bioimaging software, which identified the positive and negative characteristics, allowing the selection of appropriate technologies to develop the environment. The work provided a bioimaging software in the cloud for cytomorphometric analysis using three-dimensional images. Two case studies were carried out to validate the environment. In each case study, different techniques were used to validate the environmental functionalities. The first one used cytomorphometry to classify the location of subcellular patterns in HeLa cells. This case study provided relevant results, because using the Quadratic Discriminant Analysis (QDA) classifier with 5 morphological attributes made possible to reach an accuracy of 97.59% in the classification of subcellular patterns. The second case study used cytomorphometry to analyze changes in the heterochromatin pattern in Amazonian turtle brains. Using the K-means algorithm the V-measure was equal to 1, indicating a perfect grouping. Preliminary studies indicate that heterochromatin cells have suffered a decrease in size with larger dosages of herbicides. The proposed environment was able to provide quantitative data for cytomorphometric analysis and also aided in the discovery of cellular patterns. Dissertação (Mestrado)

There are many proposals in the literature that use Information Visualization to visualize networks, but there still exist several challenges in the area, as the lack of thechniques that improve the interpretation of big data and their relationships. This thesis presents the study and application of data visualization techniques in Temporal Networks. The goal is to identify patterns that will help to explain phenomena and behavior from various scenarios. As a result of this study, we present a system, called DyNetVis, which can be used to test the effectiveness of the proposed techniques, well be make these techniques available to the scientific community. Finally, we present results of the application of the proposed techniques in temporal networks using the developed system. With the utilization of the propose techniques, it is possible to recognize patterns that were difficult to identify without the techniques. Existem diversas propostas na literatura para utilizar Visualização da Informação em redes, mas ainda existem vários desafios na área, como a falta de técnicas que melhorem a interpretação de grandes quantidades de dados e relacionamentos. Este trabalho apresenta o estudo e aplicação de técnicas de visualização para análise e exploração de redes temporais. A ideia é identificar a presença de padrões e tendências que ajudem a explicar fenômenos e comportamentos em diversos cenários. Este trabalho apresenta também o sistema computacional DyNetVis, que pode ser utilizado para comprovar a eficácia das estratégias propostas, bem como tornar essas estratégias disponíveis à comunidade científica. Finalmente, são apresentados resultados da aplicação das técnicas propostas em diversas redes temporais, utilizando o sistema desenvolvido. Com a utilização das técnicas propostas, é possível que se reconheça padrões que antes eram difíceis de serem identificados. Mestre em Ciência da Computação

Conselho Nacional de Desenvolvimento Científico e Tecnológico In recent years, the techniques of digital image processing have been widely used in conjunction with other areas of science, including biology. These techniques generally aim to optimize time, increase accuracy and eliminate the subjectivity of the process of simple visual analysis. This increase was motivated mainly by important advances in Computational Biology and the considerable increase of databases of biological image. In this work it is presented a computational method that uses dierent techniques of image processing. The main objective is to achieve the segmentation of cell nuclei contained in sagittal images of Drosophila melanogaster embryos. This task represents an essential step for performing several analyzes about this biological model. The proposed method is based on the estimation of curvature of the object contour, and consists in separating clusters of nuclei through segments drawn between corresponding concave points. This approach is new for this scenario, and contributes to the solution of the problem of aggregated components, recurrent feature in applications related to the segmentation of nuclei. Evaluation methods include approaches to quantify and visualize the average intensity of protein and RNA in intranuclear and cytoplasmic regions of the embryo Drosophila. The quantication method, in particular, allows to obtain the gene expression prole taken along the anterior-posterior axis of the embryo Drosophila. On the other hand, the visualization method includes a new approach for the exhibition of sagittal images, in which the cell nuclei are arranged in a linear conguration. The ecient use of evaluation methods helps the interpretation of the data. In general, methods for nuclear segmentation and evaluation of gene expression represents an essential step for performing various analyzes biological on the Drosophila melanogaster. Experiments were performed to illustrate the performance of the segmentation, when compared to other approaches found in the literature. The results showed that the proposed method is eective qualitatively and quantitatively level. The method can also be used in various applications and elds, such that involve similar congurations. Nos últimos anos, as técnicas de processamento digital de imagens têm sido largamente utilizadas em conjunto com outras áreas da ciência, incluindo a biologia. Estas técnicas geralmente visam otimizar o tempo, aumentar a precisão e eliminar a subjetividade do processo da simples análise visual. Esse crescimento motivou-se, principalmente, por avanços importantes na Biologia Computacional e pelo aumento considerável dos bancos de imagens biológicas. O presente trabalho propõe métodos para segmentação nuclear e avaliação da expressão gênica em imagens da Drosophila melanogaster. O método de segmentação proposto aborda diferentes técnicas de processamento digital de imagens, e consiste em realizar a segmentação automática dos núcleos celulares contidos em imagens sagitais de embriões desse modelo biológico. O método baseia-se na estimativa de curvatura do contorno dos objetos, e consiste em separar núcleos agregados por meio de segmentos traçados entre pontos côncavos correspondentes. A abordagem apresentada é nova para esse cenário, e contribui para a solução do problema de componentes agregados, característica recorrente em aplicações voltadas à segmentação de núcleos. Os métodos de avaliação incluem abordagens para quanticação e visualização da intensidade média de proteína e RNA nas regiões intranuclear e citoplasmática dos embriões de Drosophila. O método de quanticação, em especíco, possibilita obter o perl de expressão gênica assumido ao longo do eixo anterior-posterior dos embriões de Drosophila. Por outro lado, o método de visualização inclui uma nova abordagem para exibição das imagens sagitais, capaz de organizar os núcleos celulares em uma conguração linear. O uso ecientes dos métodos de avaliação auxilia a interpretação dos dados obtidos. Em geral, os métodos para segmentação nuclear e avaliação da expressão gênica representam um passo essencial para a realização de diversas análises biológicas sobre a Drosophila melanogaster. Experimentos foram realizados a m de ilustrar o desempenho da segmentação, quando comparado com outras abordagens comumente encontradas na literatura. Os resultados obtidos demonstraram que o método proposto é ecaz a nível qualitativo e quantitativo. O método pode ainda ser utilizado em diferentes aplicações e áreas, tais que envolvam congurações similares. Mestre em Ciência da Computação

The popularization of electronic devices to capture digital images, as well as the creation of several applications enabling exchange and sharing these images by communication channels has brought some inherent problems. Among these problems it can be cited the security violation and privacy in information systems. The use of cryptographic systems in such information transmission is required to solve these issues. The main goal of cryptography is to guarantee that the information will not be copied, modied or falsied. Many classic and modern encryption algorithms have been investigated to ensure secure exchange of information. However, when the message to be sent is an image, the conventional algorithms do not favor image structural features: the spatial arrangement and the massive amount of information. Thus, a new approach for this topic is the usage of cellular automata (CA) in image encryption. CA are being studied due to their implementation simplicity and also due to their capacity to process data in a fast parallel way. In this work a novel cryptographic model based on three-dimensional hybrid cellular automata was elaborated and named 3DHCA. This method employs pre-image calculus which represents CA backward evolution and two rules are used in the encryption process. The rst one is called major rule, and it is responsible for the eective encryption of the message. The second one is used only in boundary lattice cells to ensure the existence of pre-image for any lattice. This three-dimensional model is based on a precursor model called HCA, which uses one-dimensional CA. Initially, an analysis of one-dimensional model safety was performed using Graph Theory. The denition of the new three-dimensional cryptographic model, as well as experiments for its validation and renement are discussed in this dissertation. The resulting method has proved to be safe and appropriated for an implementation with a high-level of parallelism. Thus, it becomes a very interesting option for encryption using large volumes of data, especially digital color images. A popularização de equipamentos eletrônicos que capturam imagens digitais, bem como a criação de várias aplicações que possibilitam a troca e compartilhamento das mesmas através de canais de comunicação provocaram o surgimento de alguns problemas inerentes. Dentre esses problemas estão a quebra de segurança e privacidade em sistemas de informação. Para que essas questões sejam resolvidas, a utilização de sistemas criptográcos na transmissão dessas informações se faz necessária. O principal objetivo da criptograa é a garantia de que as informações transmitidas não serão copiadas, modi cadas ou falsicadas. Muitos algoritmos de criptograa clássica e moderna já foram investigados para garantir a troca segura de informações. Entretanto, quando a mensagem que estiver sendo enviada for uma imagem, os algoritmos convencionais não favorecem o arranjo nem a quantidade massiva de informações que são características estruturais das mesmas. Assim, uma nova abordagem para este tema são os autômatos celulares (ACs), que estão sendo estudados pela simplicidade de implementação e também por sua capacidade de processar dados em paralelo. Nesse trabalho um novo modelo criptográco tridimensional baseado autômatos celulares híbridos foi elaborado e chamado de 3DHCA. Esse método utiliza o cálculo de pré-imagens, que corresponde à evolução do AC para trás, e duas regras no processo de cifragem. Uma regra principal caótica é responsável pela cifragem efetiva da mensagem e uma regra de contorno, que garante a existência da pré-imagem para qualquer reticulado possível. Esse modelo tridimensional baseia-se em um precursor chamado HCA que utiliza ACs unidimensionais. Inicialmente, uma aná- lise da segurança do modelo unidimensional foi realizada através da Teoria dos Grafos. A denição do novo modelo de criptograa tridimensional, bem como os experimentos realizados para sua validação e renamento, são discutidos nessa dissertação. O método resultante se mostrou seguro e passível de implementação com alto nível de paralelismo. Assim, se torna uma opção extremamente interessante para a cifragem de grandes volumes de dados, especialmente as imagens digitais coloridas. Mestre em Ciência da Computação

Traditionally, local shape descriptors or color and texture based descriptors are used to describe the content of images. Although, these solutions achieving good results, they are not able to distinguish scenes that contain objects with the same colors, but with a different spatial organization or do not supports partial matching. In this work we focus on a particular case of the partial matching that is to find individual objects in images that contain various objects. Since the color is one of the most visually distinguishable properties, we propose a new descriptor based only on color able to find pictures of objects that are contained in other images. Although our descriptor has shown better results when compared to related works, this new color descriptor is not able to discriminate objects topologically different but having the same colors. To overcome this problem, we also propose a new approach to the partial matching of images that combine color and topological features on a single descriptor. This new descriptor, first performs a simplification process of the original image, which identifies the color regions that make up the image. Then, we represent the spatial information among the color regions using a topological graph, where vertices represent the color regions and the edges represent the spatial connections between them. To calculate the descriptor from this graph representation, we use the spectral theory of graphs, avoiding the need to make a direct comparison between graphs. To support the partial matching, we propose a decomposition of the main graph into several subgraphs, and also calculate descriptors for these subgraphs. Tradicionalmente, descritores de forma, ou descritores baseados em cor e textura, são utilizados para descrever o conteúdo visual das imagens. Embora essas abordagens apresentem bons resultados, elas não são capazes de diferenciar adequadamente imagens que contêm objetos com as mesmas cores, mas com organização espacial diferente ou não suportam a pesquisa parcial de imagens. Neste trabalho focamos em um caso particular da pesquisa parcial de imagens, que é encontrar objetos em imagens que contenham vários objetos, não deixando de lado a pesquisa total (encontrar imagens similares à original). Dado que a cor é uma das propriedades visuais mais discriminativas, propomos um novo descritor baseado somente em cor capaz de encontrar imagens de objetos que estão contidos em outras imagens. Embora tenha apresentado melhores resultados quando comparado a trabalhos correlatos, esse novo descritor de cor não é capaz de discriminar objetos topologicamente diferentes mas que possuam as mesmas cores. Com o intuito de resolver esse problema, também propomos uma nova abordagem para a recuperação parcial de imagens que combina características topológicas e de cor em um único descritor. Esse novo descritor primeiramente realiza um processo de simplificação da imagem original, onde são identificadas as regiões de cor que compõem a imagem. Após esse processo de simplificação, a organização espacial das regiões de cor previamente identificadas é representada por meio de um grafo topológico, onde os vértices representam as regiões de cor e as arestas representam as conexões entre essas regiões. O descritor topológico é então calculado a partir do grafo de topologia utilizando a teoria espectral de grafos, evitando a necessidade de se realizar uma comparação direta entre grafos. Para suportar a pesquisa parcial de imagens, é realizada uma decomposição do grafo principal em diversos subgrafos. Mestre em Ciência da Computação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Surveillance has become, in the last years, something ubiquity in our society. Every day it is more notorious the presence of intelligent systems for surveillance in our everyday life. This is due to technological advances achieved in recent decades (storage and processing speed increasing, miniaturization of devices like biometric detectors and video cameras) as the constant feeling of insecurity experienced in several countries. Following the dark days of 9/11, security and surveillance became paramount. This work aims the study of techniques for the development of a surveillance system of an outdoor parking lot based on a stationary camera. Considering that in an outdoor parking lot it is very important that the surveillance is made both day and night, in this work we use an infrared camera to record images. An infrared camera allows to see objects of interest in the scene even at night. The images used for the experiments in this work were recorded by the student in Laval University campus (Canada) during an internship he held in the "Canada Research Chair in Multipolar Infrared Vision". A surveillance system based on video cameras is usually composed of three parts: (i) motion detection, (ii) tracking and (iii)event management. In this work, we use a dynamic background subtraction technique to detect motion (motion segmentation). This technique adapts to abrupt changes on the scene's illumination making the technique robust to this changes. Besides, we use ow analysis to restrict the segmentation process only to regions where we have motion in the scene. The object tracking technique used is based on a two phase cycle: prediction and correction. The events of interest which occur in the monitored area are modeled explicitly and then recognized and interpreted. The main goal of this project is to recognize suspicious events. Experimental results show that such techniques are suitable for a surveillance system for an outdoor parking lot based on a infrared stationary camera. Vigilância se tornou, nos últimos anos, algo ubíquo em nossa sociedade. Cada dia que passa é mais notória a presença de sistemas inteligentes de vigilância em nosso dia-a-dia. Isso se deve tanto aos avanços tecnológicos alcançados nas últimas décadas (aumento da capacidade de processamento e armazenamento, miniaturização de dispositivos como detectores biométricos e câmeras de vídeo) como a constante sensação de insegurança vivida em vários países. Após os dias sombrios de 11/09, segurança e vigilância se tornaram algo primordial. Este trabalho visa o estudo de técnicas para o desenvolvimento de um sistema de vigilância para um estacionamento externo baseado em uma câmera estacionária. Tendo em vista que em um estacionamento externo é de suma importância que a vigilância seja feita tanto de dia quanto de noite, neste trabalho utilizamos uma câmera que captura imagens infravermelhas. Uma câmera infravermelha permite que enxerguemos objetos de interesse na cena até mesmo a noite. As imagens usadas nos experimentos realizados neste trabalho foram colhidas no campus da Universidade de Laval (Canadá) durante um estágio realizado no Canada Research Chair in Multipolar Infrared Vision. Um sistema de vigilância baseado em câmeras de vídeo geralmente possui três partes principais: (i) detecção de movimento, (ii) monitoramento e (iii) gerenciamento de eventos. Neste trabalho, utilizamos uma dinâmica técnica de subtração de plano de fundo para realizar a detecção de movimento (segmentação de movimento). Esta técnica se adapta às mudanças bruscas de iluminação na cena tornando o método de segmentação robusto a estas mudanças. Além disso, utilizamos análise de uxo de movimento para restringir a segmentação somente às regiões onde existem algum movimento na cena. A técnica de monitoramento de objetos em movimento usada neste trabalho é baseada em um ciclo de dois estágios: previsão e correção. Os eventos de interesse que ocorrem na área monitorada são modelados de forma explícita sendo então reconhecidos e interpretados. O foco principal deste trabalho é o reconhecimento de eventos suspeitos. Resultados experimentais obtidos mostram que tais técnicas são adequadas para um sistema de vigilância de um estacionamento externo baseado em uma câmera estacionária infravermelha. Mestre em Ciência da Computação

Conselho Nacional de Desenvolvimento Científico e Tecnológico The number of images available has grown considerably and, as a consequence there is a growing interest in retrieving images in large databases. For this purpose, the intrinsic image features should be represented in such a way that two images can be perceptually differentiated. In general, the image features analyzed are: color, shape and/or texture. In pattern recognition and related areas, shape is one of the most widely image features exploited in content based image retrieval systems. In this work, we are interested in describing shapes using salience points. Saliences are defined as the points of high curvature along shape contour. These points are very useful for shape description, because they have the ability to represent a shape in a compact manner, invariant to rotation and translation. The main contribution of this work is a new shape descriptor proposed to analyze the similarity between shapes represented by its salience points. This descriptor utilizes three techniques proposed in this work: a salience point detector robust to noise, a salience representation using angular relative position and curvature value, and a distance function to analyze the similarity between two shapes. Experiments were made in order to illustrate the performance of the proposed descriptor while comparing it with other shape-based descriptors in the literature. From the experiments we can note that the proposed descriptor can retrieve images visually similar, requiring low space for storing the extracted features. O número de imagens disponíveis tem aumentado consideravelmente e, como consequência, há um interesse crescente na busca por imagens em grandes bases de dados. Para isso, as características intrínsecas da imagem devem ser representadas de tal maneira que se possa realmente diferenciar perceptualmente duas imagens. Em geral, as características mais analisadas em uma imagem são: cor, forma e/ou textura. Em reconhecimento de padrões e áreas afins, a forma é uma das características mais amplamente utilizada e explorada em sistemas de recuperação de imagens baseado em conteúdo. O interesse deste trabalho é descrever formas usando seus pontos de saliência. Esse pontos são definidos como aqueles que possuem altos valores de curvatura ao longo do contorno da forma e eles são bastante úteis para a caracterização de formas, devido à sua capacidade de representação compacta, invariante a rotação e translação. A principal contribuição desse trabalho é a proposta de um novo descritor que analisa a similaridade de formas via identificação e caracterização dos pontos de saliências. Esse descritor utiliza três abordagens propostas neste trabalho: um detector de pontos de saliência robusto a ruídos, uma proposta de representação das saliência através de sua posição relativa angular e seu valor de curvatura, e uma medida para analisar a similaridade entre formas. Experimentos foram realizados a fim de ilustrar o desempenho do descritor proposto quando comparado com outros descritores de formas encontrados na literatura. A partir dos experimentos observa-se que o descritor proposto consegue recuperar imagens visualmente semelhantes, além de exigir pouco espaço para armazenamento das características extraídas. Mestre em Ciência da Computação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Radiotherapy is a well established treatment resource for head and neck cancer, however, can directly affect the bone, which receive high doses of radiation during treatment. The bone tissue when irradiated shows important alterations in their morphology and constitution. The aim of this study was evaluate the effects of radiotherapy in cortical bone of tibia, with quantification of bone matrix and empty osteocytes lacunae, also, with analysis of bone microstructure. Fourteen female rabbits were used, divided into two equal groups: Control and Test. The test group received single dose of 15 Gy cobalt-60 radiation in tibia, bilaterally. After 75 days the animals were sacrificed and 1 cm segment of the tibia were removed, fixed in 10% formalin, decalcified in EDTA and processed for embedding in paraffin. The sections were stained with HE and histologic images were digitized. Images were analyzed through developed algorithms, using SCILAB mathematical environment. Using interactive segmentation was obtained the percentage of bone matrix, area and perimeter of the bone channels and lacunarity. For the percentage of osteocytes and empty lacunae, we used the method of elements counting. The results showed significant difference in percentage of bone by area (p = 0.0003) between the control (96.71%) and irradiated (94.25%) groups. Also, there was significant difference in area (p = 0.0173) and perimeter (p = 0.0437) of the channels and their respective standard deviations (area and perimeter p = 0.0072 p = 0.0039). The lacunarity also showed significant difference (p = 0.014) among the control (16.48) and irradiated (13.80) groups. There was no significant difference in percentage of empty osteocyte lacunae (p = 0.3177). According to results of this study, the radiotherapy causes reduction of bone matrix and modifies the architecture of bone channels network, making it more heterogeneous and less organized. A radioterapia representa um recurso bem estabelecido para o tratamento do câncer de cabeça e pescoço, no entanto, nessa região, afeta diretamente o osso, que é submetido a altas doses de radiação durante o tratamento. O tecido ósseo quando irradiado apresenta alterações importantes em sua morfologia e constituição. O objetivo deste trabalho foi avaliar os efeitos da radioterapia no tecido ósseo cortical de tíbia, quantificando matriz óssea e lacunas de osteócitos vazias, além de analisar a microestrutura da rede de canais ósseos. No estudo, foram utilizados 14 coelhos fêmeas, separados em dois grupos iguais: Controle e Teste. O grupo teste recebeu dose única de 15 Gy de radiação cobalto-60 na região da tíbia, bilateralmente. Após 75 dias, os animais foram sacrificados e segmentos de 1 cm da tíbia foram removidos, fixados em formol 10%, desmineralizados em EDTA e processados para inclusão em parafina. Os cortes foram corados em HE e as imagens histológicas foram digitalizadas. As imagens foram analisadas por algoritmos desenvolvidos em ambiente de programação SCILAB. Utilizando o método de segmentação interativa obteve-se a porcentagem de matriz óssea, área e perímetro dos canais ósseos e lacunaridade. Para obtenção da porcentagem de osteócitos e lacunas vazias utilizou-se o método de contagem de elementos. Os resultados mostraram diferença estatística significante na porcentagem de matriz óssea (p=0.0003) entre o grupo não irradiado (96.71%) e irradiado (94.25%). Também, houve diferença significante nas médias da área (p=0.0173) e perímetro (p=0.0437) dos canais, e seus respectivos desviospadrão (Área p=0.0072 e Perímetro p=0.0039). A lacunaridade também apresentou diferença significante (p=0.014), entre os grupos não irradiado (16.48) e irradiado (13.80). Não houve diferença estatística significante na porcentagem de lacunas vazias (p=0.3177). De acordo com os resultados pode-se concluir que a radioterapia provoca redução da matriz óssea e altera a arquitetura da rede de canais ósseos, tornando-a mais heterogênea e menos organizada. Mestre em Odontologia