Navegando por Campus "ARARAQUARA"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Contribuições para modelos gerais de diagnóstico cognitivo
    (Universidade de São Paulo (USP) , 2024-04-11) Fernandes, Renato da Silva; Guzmán, Jorge Luis Bazán; Guzmán, Jorge Luis Bazán; Burgos, Jorge Andrés González; Serrano, Luis Hilmar Valdivieso; Silva, Marcelo Andrade da; Tavares, Heliton Ribeiro
    Os Modelos de Diagnóstico Cognitivo (MDC) são modelos de variáveis latentes discretas que visam a determinar o padrão de posse de habilidades ou atributos de um indivíduo com base em suas respostas a um teste. Essa classe inclui os modelos de diagnóstico gerais, cuja formulação permite que vários outros MDC sejam obtidos como um caso especial do primeiro. Este trabalho apresenta contribuições para esses modelos gerais em uma abordagem Bayesiana. Primeiro, apresentamos formulações Bayesianas para dois modelos gerais de diagnóstico cognitivo, o modelo DINA generalizado (G-DINA) - baseado no modelo Deterministic Input, Noisy “AND” Gate, cuja sigla em inglês, DINA, será mantida - para respostas dicotômicas; e o modelo de diagnostico cognitivo generalizado para respostas politômicas (MGDCP). Tais formulações incluem novos conjuntos de restrições para os parâmetros dos itens para melhorar a estimação e a interpretabilidade dos parâmetros do modelo. Ambos foram implementados utilizando o software JAGS, cujas implementações são disponibilizadas nesta tese. Para ambos os modelos, foi elaborado um estudo de simulação a fim de avaliar a acurácia na recuperação dos parâmetros do método de estimação Bayesiano e os resultados comparados com aqueles obtidos com o método de estimação clássico. Ademais, os resultados de ambos os estudos indicam que o método de estimação Bayesiano proposto recupera todos os parâmetros com acurácia igual ou superior ao do método de estimação clássico nos cenários avaliados. Em um exemplo de aplicação, os dois modelos propostos são utilizados para examinar as respostas de 1111 estudantes universitários ao Inventário de Depressão de Beck (BDI) utilizando MDC. Primeiro, é realizado uma análise comparativa entre os resultados obtidos com o modelo DINA (adotado na formulação original dessa metodologia) e o modelo G-DINA, ambos aplicados aos dados dicotomizados. Depois, comparamos os resultados obtidos com o modelo G-DINA, aplicado aos dados dicotomizados e o MGDCP, aplicado aos dados politômicos originais. Por fim, em outro exemplo de aplicação, apresentamos um novo sistema de recomendação para filmes que incorpora um MDC em sua formulação. O MDC é utilizado para fazer a predição da classificação que um usuário daria a cada item e recomendar os itens com base nessas predições. O método proposto foi aplicado a dois conjuntos de dados de filmes e seu desempenho foi comparado a outros sistemas de recomendação encontrados na literatura, apresentando resultados superiores aos dos métodos concorrentes.
  • Imagem de Miniatura
    Item
    Estudo numérico e experimental da convecção natural sobre placas planas e com ondulações
    (Universidade Estadual Paulista (UNESP), 2023-12-15) Verdério Júnior, Silvio Aparecido; Scalon, Vicente Luiz; Modolo, Delson Luiz; Ferreira, Maurício Silva; Gomez, Luben Cabezas; Silva, João Batista Campos
    A transferência de calor por convecção natural ocorre através de forças de empuxo, geradas a partir de gradientes de massa específica e temperatura e da aceleração da gravidade. Cada vez mais pesquisa-se a otimização de sistemas de resfriamento por convecção natural, com o objetivo de reduzir ou eliminar a utilização de sistemas convencionais de resfriamento por circulação forçada. Nesse sentido, o uso de superfícies com ondulações para melhorar a eficiência térmica das trocas de calor por convecção natural tem sido extensivamente pesquisado. O objetivo deste trabalho é o estudo numérico-experimental da transferência de calor por convecção natural sobre placas isotérmicas de geometria plana e com ondulações quadradas, trapezoidais e triangulares. Na definição da metodologia numérica mais adequada a situação-problema, diversos modelos numéricos, em diferentes configurações e parâmetros físico-numéricos, foram construídos e estudados; com resolução através software livre e de código aberto OpenFOAM®. Um aparato experimental foi projetado e construído para o estudo do processo de resfriamento das placas, para validação dos modelos numéricos e análise comparativa de resultados empíricos das diferentes geometrias. Os resultados experimentais validaram, com boa exatidão, os modelos numéricos das geometrias estudadas para o intervalo de 𝑅𝑎𝐿𝑃 analisado. A utilização do modelo de turbulência 𝜅 − 𝜀, de forma geral, forneceu resultados numéricos de maior acuracidade. Expressões empíricas do 𝑁𝑢𝐿𝑃 em função do 𝑅𝑎𝐿𝑃 , para as diferentes geometrias estudadas e nos intervalos experimentais de 𝑅𝑎𝐿𝑃 , foram determinadas. O aumento da área global de transferência de calor mostrou exercer maior influência na eficiência térmica das placas que as perturbações geradas no escoamento. A geometria com ondulações trapezoidais apresentou maior eficiência e dimensão de pluma térmica, seguida das geometrias com ondulações quadradas, triangulares e, por fim, a placa plana.
  • Imagem de Miniatura
    Item
    O uso de inteligência artificial generativa na modelagem digital de implantes personalizados para cranioplastia
    (Universidade Estadual Paulista (UNESP), 2024-04-22) Martins, Michel Simões; Guastaldi, Antonio Carlos; Guastaldi, Antonio Carlos; Carvalho, Jonas de; Gouveia, Wellington da Rocha
    A cranioplastia é um procedimento cirúrgico bastante conhecido na neurocirurgia cujo caráter reparatório visa a restaurar defeitos cranianos gerados por traumas, má-formação congênita e outras neurocirurgias como, por exemplo, a craniectomia. A restauração tem por finalidade garantir a proteção biomecânica dos tecidos moles subjacentes ao implante, normalizar a pressão intracraniana, restaurar a dinâmica normal do fluxo de líquido cefalorraquidiano, e reduzir as chances de complicações pós-operatórias de craniectomias. Os impactos da cranioplastia são benéficos ao paciente, tanto do ponto de vista neurológico, quanto psicossocial. Atualmente, a fabricação de implantes cranianos pode ser obtida através de um processo chamado de prototipagem rápida. Tal processo envolve a modelagem digital do implante em software CAD e sua impressão 3D em bioimpressora. Nos casos de cranioplastia após craniectomia, estudos apontam que o potencial de redução de riscos de complicações pósoperatórias ao paciente é maior quando a criação do implante craniano acontece por prototipagem rápida, devido a precisão e agilidade inerente ao processo em relação a processos convencionais de fabricação do implante. No entanto, essa precisão e agilidade nem sempre são garantidas pois são fundamentalmente dependentes tanto da qualidade e propriedades do biomaterial e impressora 3D utilizadas durante a bioimpressão, quanto da experiência e habilidade do desenhista CAD, e dos recursos de ferramentas internas ao software CAD que lhe serão disponíveis durante a modelagem digital do implante, visto que os recursos rápidos e semiautomáticos se tornam inaplicáveis conforme a complexidade do defeito craniano aumenta. Pensando nisso, a presente pesquisa se propôs a demonstrar como a modelagem digital de implantes cranianos pode ser tratada de maneira automatizada e orientada por dados, através do uso de inteligência artificial generativa. A modelagem digital do implante foi tratada como uma tarefa de conclusão de nuvem de pontos, na qual a subtração booleana entre a geração de saída e sua respectiva entrada resultou no modelo digital tridimensional do implante. Para o treinamento e avaliação da rede neural generativa autocodificadora convolucional foi necessário a construção de um conjunto de dados multiclassificado e balanceado, através de metodologias de amostragem híbrida e registro de imagens tridimensionais. Os resultados foram quantificados por métricas que medem a similaridade e dissimilaridade do modelo digital de implante na relação resultadoreferência. Os resultados obtidos foram uma distância de Hausdorff média de 24,22 mm e um coeficiente de similaridade de Dice média de 0,726, ou seja, aproximadamente 73% de precisão. Como conclusão, esse trabalho aponta que o uso de inteligência artificial generativa na modelagem digital de implantes cranianos é uma abordagem promissora, e além de contribuir com a rapidez com que o implante bioimpresso estaria a disposição para a realização de uma cranioplastia precoce, também contribui com o alívio da complexidade, demanda de experiência, consumo de tempo em modelagens complexas, e altos custos relacionados ao licenciamento de uso de softwares CAD médicos. Espera-se que as contribuições deste projeto estimulem o surgimento de novas pesquisas na área, visando inovações tecnológicas ao processo de fabricação de implantes bioimpressos.