Banca de DEFESA: MARCO AURÉLIO PENAFORT DIAS JÚNIOR

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARCO AURÉLIO PENAFORT DIAS JÚNIOR
DATA: 30/09/2022
HORA: 14:00
LOCAL: Sala Virtual: https://meet.google.com/moy-mime-bim
TÍTULO: Reconhecimento de Formas Farmacêuticas Sólidas para Auxiliar Pessoas com Deficiência Visual
PALAVRAS-CHAVES: reconhecimento de formas farmacêuticas sólidas, reconhecimento de medicamentos, sistemas wearable, pessoas com deficiência visual, visão computacional
PÁGINAS: 65
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO:

Neste trabalho de mestrado se deseja auxiliar pessoas com deficiência visual na administração de Formas Farmacêuticas Sólidas (FFS). O seu objetivo principal é desenvolver uma abordagem em visão computacional ao reconhecimento de FFS, compreendendo comprimidos, drágeas e cápsulas, com resultados superiores ou equiparados ao estado da arte em reconhecimento de FFS, e que possa ser utilizada por um sistema wearable. Um sistema wearable munido com tal abordagem, ajudaria uma pessoa com deficiência visual a tomar o medicamento correto, sem ajuda de terceiros, tornando-a mais independente e melhorando a sua qualidade e expectativa de vida. Isso evitaria que a pessoa com deficiência visual tomasse algum medicamento errado, o que poderia causar prejuízos à saúde dela. Para alcançar esse objetivo foi realizada uma revisão sistemática da literatura para definir e analisar o estado da arte sobre o tema. Foram verificados diversos trabalhos relacionados ao tema, o que proporcionou um acervo bastante consistente para o desenvolvimento da abordagem proposta. O conjunto de dados da National Library of Medicine (NLM) foi utilizado como fonte de dados, possibilitando o desenvolvimento desta pesquisa. Foram desenvolvidas duas abordagens utilizando classificadores de aprendizado supervisionado e redes neurais convolucionais (CNNs) para transferência de aprendizado. A abordagem que utilizou a própria CNN EfficientNetB7 como classificador, juntamente com o uso da técnica de aumento de dados, obteve os melhores resultados no reconhecimento de FFS, com taxas de acurácia maiores que 92%. Além disso, essa abordagem demonstrou robustez perante a quatro cenários metodológicos diferentes, chegando, em um desses cenários, à uma taxa de de acurácia média superior a 98%.

MEMBROS DA BANCA:
Presidente - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo à Instituição - IALIS CAVALCANTE DE PAULA JUNIOR - UFC