O uso da inteligência artificial e realidade virtual na odontologia e sua aplicabilidade na prática clínica e em imagens
Objeto O estudo apresenta casos de sucesso de soluções inovadoras para a saúde bucal, desenvolvidos pelo centro de pesquisa de Radiologia Odontológica da Policlínica Piquet Carneiro (PPC-UERJ), em colaboração com especialistas de instituições de excelência. A saúde bucal é um aspecto fundamental da saúde pública, afetando especialmente populações vulneráveis e pacientes com limitações que dificultam a manutenção adequada dos cuidados odontológicos. Objetivo Demonstrar o impacto da aplicação de tecnologias computacionais na avaliação, diagnóstico, prevenção e tratamento de doenças orais, com ênfase no uso da radiologia digital e da inteligência artificial. O estudo também busca evidenciar os desafios da acessibilidade a essas inovações e os esforços do centro de pesquisa para tornar essas soluções tecnologicamente mais acessíveis à população. Resultados O trabalho destaca iniciativas do centro de pesquisa da PPC na popularização de tecnologias de ponta para a saúde bucal, incluindo aplicações de inteligência artificial em ortodontia e estética
Modelos de inteligência artificial para a detecção e segmentação de tumores cerebrais por meio de imagens de ressonância magnética
Objeto O projeto visa o desenvolvimento de um framework integrando modelos de aprendizagem profunda e visão computacional para a detecção precisa e segmentada de tumores estruturais em imagens de ressonância magnética (MRI). A abordagem emprega uma arquitetura adaptada com camadas GhostConv e Resnet-50, diminuindo o número de operações convulcionais possíveis, possibilitando uma análise mais rápida e menos onerosa em termos de processamento computacional. Objetivo Aprimorar a precisão diagnóstica e reduzir a latência na entrega de resultados e diagnósticos por meio de um modelo treinado com mais de 10.000 imagens, permitindo identificar variações específicas em morfologias tumorais. Além disso, busca-se diminuir a carga computacional para possibilitar a implementação do modelo em plataformas menos robustas, tornando a tecnologia acessível a locais com infraestrutura de TI limitada. Resultados Os resultados preliminares indicam uma acurácia média de 82% e uma redução de 35% no custo computacional em comparação com modelos existentes. O projeto representa um avanço qualitativo na neurologia diagnóstica, promovendo uma mudança paradigmática no tratamento de tumores graves, com impactos diretos na sobrevida e na qualidade de vida dos pacientes.
Modelos de deep leaning aplicados à visão computacional para o monitoramento automático de veículos e pedrestes em cidades inteligentes
ObjetoExploração de técnicas avançadas de visão computacional e deep learning aplicadas à otimização do gerenciamento de tráfego urbanoMonitoramento eficiente de veículos e pedestres em ambientes urbanos por meio de sistemas inteligentes ObjetivosAvaliar diversos modelos existentes para identificar os mais adequados à integração em sistemas inteligentes de monitoramento urbanoAdaptar os modelos selecionados para operar com diferentes resoluções de vídeo, assegurando flexibilidade e compatibilidade com câmeras de tráfegoDesenvolver um sistema confiável e escalável, capaz de atuar em tempo real com alto grau de precisãoTestar rigorosamente os algoritmos em contextos práticos para validar sua eficácia na detecção e rastreamento de veículos e pedestresAtender à crescente demanda por soluções automatizadas frente ao aumento populacional e da frota de veículos nas metrópoles ResultadosDesenvolvimento de uma abordagem que melhora a fluidez do tráfego urbanoAutomatização da gestão de tráfego com base em dados em tempo realRedução significativa dos problemas de congestionamento por meio de monitoramento inteligente e contínuo
Impacto de modelos de aprendizado de máquina na análise de imagens médicas
Objeto Palestra sobre a aplicação de modelos de aprendizado de máquina na análise de imagens médicas para apoio ao diagnóstico clínico Objetivos Explorar arquiteturas de redes neurais utilizadas em Deep Learning e Machine Learning voltadas para imagens médicasDiscutir os principais desafios de implementação dessas tecnologias no contexto da saúdeLevantar questões éticas relacionadas ao uso da inteligência artificial, como viés algorítmico e privacidade de dadosApresentar estudos de caso recentes que evidenciam avanços no diagnóstico de doenças como câncer e enfermidades cardíacasRefletir sobre o futuro da inteligência artificial no diagnóstico por imagem Resultados Demonstração de melhorias significativas na precisão diagnóstica por meio de estudos de casoSensibilização do público quanto aos benefícios e riscos do uso da IA na saúdePromoção de discussões técnicas e éticas relevantes para a integração responsável dessas tecnologias no setor médico
Desenvolvimento de sistemas de gestão de tráfego inteligentes utilizando deep learning
Objeto Desenvolvimento de um sistema avançado de monitoramento automático de tráfego urbanoUtilização de visão computacional e técnicas de deep learning para identificar veículos por cor, placa, modelo e velocidade Objetivos Avaliar e selecionar modelos existentes com maior eficácia para integração em sistemas inteligentes de gestão de tráfegoTestar o sistema em cenários urbanos simulados para verificar sua escalabilidade e confiabilidadeImplementar algoritmos adaptativos para ajustar a detecção às condições variáveis e monitorar a velocidade dos veículos em tempo realIntegrar os dados de tráfego em uma plataforma centralizada com o objetivo de melhorar a resposta a congestionamentos e emergênciasFornecer insights estratégicos para o planejamento urbano e aumento da segurança viária Resultados Resultados iniciais demonstraram alta precisão na identificação de placas e modelos de veículosDesempenho acima de 73% de acerto mesmo em condições de tráfego densoO sistema apresenta potencial para transformar a gestão de tráfego urbano, aumentando a eficiência operacional e a segurança nas cidades
Desenvolvimento de modelos de aprendizado profundo para a detecção e reconhecimento eficientes da composição de células sanguíneas
Objeto Aplicação de inteligência artificial, especificamente através de técnicas de deep learning, na detecção e contagem de células sanguíneasA proposta foca na superação das limitações dos métodos tradicionais, que demandam intensa intervenção humana e conhecimento especializado em morfologia celular Objetivos Superar restrições operacionais dos métodos convencionais por meio de soluções baseadas em aprendizado profundoEmpregar modelos avançados como YOLO (You Only Look Once) e RCNN (Region-based Convolutional Neural Networks), reconhecidos pela alta velocidade de processamento e precisão na análise de imagensUtilizar o YOLO, com sua abordagem de detecção em uma única etapa, para identificação e localização eficiente de células, mesmo sob sobreposição, tratando simultaneamente localização e classificação como problema de regressãoAplicar RCNN e suas variantes, como o Faster RCNN, que operam em dois estágios, propondo e refinando regiões para uma classificação precisa, especialmente úteis diante da complexidade morfológica das células sanguíneas Resultados Aumento significativo na acurácia dos processos de detecção e contagem de célulasRedução da carga de trabalho em ambientes laboratoriais, com análises mais rápidas e confiáveis, contribuindo diretamente para diagnósticos médicos mais eficientesProposta baseada nos modelos mencionados apresentou redução de 15% nas taxas de falso positivos e falso negativos
Inteligência artificial no cuidado com os idosos
Objeto Exploração das previsões e dos benefícios da tecnologia de realidade virtual (VR) como ferramenta terapêutica no Hospital Premier, inserida na programação terapêutica de pacientes em diferentes perfis de tratamento. Objetivo Investiga a aplicabilidade da realidade virtual na reabilitação, readequação funcional e cuidados paliativos, analisando seus impactos na adesão ao tratamento, bem-estar emocional e interação social dos pacientes. Resultados A tecnologia de VR demonstrada é uma ferramenta eficaz para tornar os pacientes psiquicamente mais ativos e estimular interações sociais, contribuindo para a recuperação de sua autonomia funcional plena ou parcial. Além disso, observou-se uma melhora na experiência terapêutica, ampliando as possibilidades de recuperação funcional e qualidade de vida dos pacientes.
Desenvolvimento de um modelo de inteligência artificial para o diagnóstico de fraturas avulsivas em atletas de futebol
Objeto O trauma no futebol é um evento frequente devido à ampla prática do esporte e à alta exigência do sistema musculoesquelético. As lesões mais recorrentes variam conforme a faixa etária, afetando diferentes estruturas anatômicas. Em adultos jovens, a miotendínea é a principal região vulnerável, enquanto em indivíduos mais velhos há maior predisposição à tendinose. Em crianças e adolescentes, a fise é a área mais suscetível a lesões devido à sua menor resistência estrutural, sendo de duas a cinco vezes mais frágil que ligamentos, tendões e cápsulas articulares adjacentes. Objetivo Investigar a incidência e os mecanismos fisiopatológicos das lesões apofisárias em jovens atletas, explorando a relação entre crescimento ósseo, estresse mecânico e impactos no desempenho esportivo. O estudo busca contribuir para a formulação de estratégias preventivas e protocolos de reabilitação eficazes. Resultados A lesão da fise está relacionada ao desenvolvimento de fraturas avulsivas apofisárias, que ocorrem devido à tração excessiva dos tendões sobre a apófise durante contrações musculares intensas. Além disso, microtraumas repetitivos podem desencadear apofisite, uma inflamação do crescimento da cartilagem que, se não tratada especificamente, pode evoluir para dor crônica e limitação funcional. A adoção de estratégias preventivas, como fortalecimento muscular e controle da carga de treinamento, pode reduzir significativamente a ocorrência dessas lesões.
Uso de inteligência artificial na previsão de ocupação de leitos hospitalares
Objeto O projeto desenvolve um modelo preditivo baseado em técnicas de Machine Learning para antecipar a ocupação de leitos hospitalares. A solução utiliza a metodologia CRISP-DM (Cross-Industry Standard Process for Data Mining) e analisa dados históricos de internações, registros de pacientes e informações demográficas para treinar algoritmos de aprendizagem de máquina. Objetivo A busca pela iniciativa de melhoria da gestão hospitalar, possibilitando um planejamento mais eficiente da alocação de recursos e organização dos fluxos assistenciais. Com a seleção mais precisa, os gestores podem tomar decisões com mais acertividade sobre a distribuição de leitos, contratação de profissionais e aquisição de equipamentos, otimizando o atendimento aos pacientes. Resultados A aplicação desse modelo preditivo contribui para a melhoria da qualidade dos serviços de saúde e a redução de custos operacionais.
Fusion inteligência diagnóstica
Objeto O projeto é conduzido por pesquisadores e estudantes envolvidos no desenvolvimento tecnológico brasileiro em um campo multidisciplinar que envolve design, ergonomia, computação e ciência de dados. Criamos um laboratório dedicado à pesquisa e inovação em inteligência diagnóstica, utilizando a fusão de sensores e a Internet das Coisas (IoT) para coletar dados e produzir informações relevantes para a área da saúde. Objetivo Nosso objetivo é desenvolver Produto Mínimo Viável (MVPs) a partir de experimentos e estudos de casos prolongados no laboratório, buscando investimentos privados e públicos por meio de editais de inovação tecnológica. Para isso, realizamos a validação e prototipação das soluções em parceria com hospitais públicos e privados e pesquisadores em saúde. Além disso, geramos conhecimento científico por meio da produção de artigos com base nos dados e nos resultados obtidos nos experimentos. Resultado Atualmente estamos pré-incubados na Incubadora Esdi/UERJ e contamos com o apoio do PIBIC da Escola de Matemática Aplicada da FGV. Nosso trabalho tem contribuído para a inovação na visualização de dados médicos, sendo apoiado pela Sociedade Brasileira de Design da Informação (SBDI). A partir da fusão de sensores e técnicas de IoT, desenvolvemos protótipos que extraem inteligência diagnóstica, possibilitando avanços na tomada de decisão clínica e aprimoramento das ferramentas utilizadas pelos profissionais de saúde.
