PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET

Dissertações/Teses

Clique aqui para acessar os arquivos diretamente da Biblioteca Digital de Teses e Dissertações da UFMA

Buscar

Ano :
Título :
Autor :
Palavra chave :

2026

	Descrição
	SAULO ENOCK RODRIGUES FERNANDES
	Diagnóstico automático da paralisia do sexto nervo em vídeos de motilidade ocular por classificação de séries temporais e aprendizado profundo
	Data : 04/05/2026
	Mostrar Resumo
	O sexto nervo craniano está conectado ao músculo reto lateral, responsável pelos movimentos oculares da esquerda para a direita. A paralisia desse nervo impede o funcionamento adequado do músculo reto lateral, podendo causar dores de cabeça, enxaquecas, visão turva, tontura e diplopia (visão dupla) ao tentar mover o olho para o canto externo. Portanto, é essencial diagnosticar essa condição precocemente para prevenir efeitos a longo prazo. Como as técnicas de diagnóstico disponíveis são invasivas ou de alto custo, este estudo propõe um método automatizado para o diagnóstico da paralisia do sexto nervo craniano, baseado na classificação de séries temporais extraídas a partir do rastreamento ocular de pacientes oftalmológicos por meio de modelos de aprendizado profundo, visando auxiliar os especialistas no processo de diagnóstico. O método proposto utiliza a rede YOLO para rastrear o deslocamento ocular com precisão e rapidez em vídeos oftalmológicos, juntamente com o modelo de detecção facial do MediaPipe, em uma estratégia de compensação das trajetórias dos olhos, removendo os movimentos ocasionais da cabeça e isolando o deslocamento ocular real. Em experimento de validação cruzada, o método proposto alcançou 70% de sensibilidade na média da validação cruzada empregada e 75% no melhor Fold treinado, indicando que nossa metodologia tem potencial para aplicação clínica.
	PEDRO VINNICIUS BERNHARD
	Método Não Supervisionado de Sumarização Extrativa de Textos Jurídicos com Alinhamento de Grafos Semânticos Guiados por Atenção
	Orientador : JOAO DALLYSON SOUSA DE ALMEIDA
	Data : 29/04/2026
	Mostrar Resumo
	O volume massivo e a complexidade técnica dos documentos jurídicos no Brasil impõem um grande desafio à celeridade do sistema judiciário. A sumarização automática surge como uma alternativa para mitigar essa sobrecarga e auxiliar o trabalho de magistrados e advogados. No entanto, a aplicação de modelos de aprendizado profundo no Direito enfrenta obstáculos críticos: a opacidade algorítmica (``caixa-preta''), o risco inaceitável de alucinações factuais em modelos generativos e a severa escassez de dados rotulados para treinamento. Dessa forma, o desenvolvimento de soluções que unam fidelidade fática e interpretabilidade é essencial. Neste contexto, este trabalho propõe um método não supervisionado de sumarização extrativa focado no domínio jurídico, estruturado na modelagem de grafos semânticos guiados por mecanismos de atenção. O método extrai os pesos de autoatenção de um modelo de linguagem especialista (Legal-BERTimbau) e filtra conexões ruidosas via binarização dinâmica pelo método de Otsu. O texto é convertido em uma rede complexa direcionada, particionada tematicamente pelo algoritmo Infomap Hierárquico para isolar os eixos argumentativos. O alinhamento dos tópicos é realizado em um espaço vetorial denso (Sentence-BERT), e as sentenças são ranqueadas pela heurística de Atenção Máxima, respeitando um limite estrito de compressão de 10%. Na avaliação utilizando a base de dados RulingBR, o modelo proposto superou os algoritmos clássicos não supervisionados nas métricas ROUGE-1 (36,61%) e ROUGE-L (20,74%). Experimentos adicionais com um Oráculo Extrativo demarcaram o limite superior da tarefa em um ROUGE-1 de 65,21% e ROUGE-L de 47,37%, enquanto uma abordagem híbrida extrativa guiada por um LLM (GPT-5 mini) alcançou um ROUGE-L de 21,31%. Assim, o método desenvolvido demonstra-se promissor ao garantir a integridade do texto original, livre de alucinações processuais, oferecendo adicionalmente uma interface de explicabilidade visual que torna a seleção de sentenças totalmente auditável.
	FELIPE ROGERIO SILVA TELES
	Segmentação Automática do Pâncreas em Tomografias Computadorizadas Abdominais Utilizando uma Abordagem Orientada a Atlas Probabilístico e Aprendizado Profundo
	Data : 27/04/2026
	Mostrar Resumo
	Asegmentação automática do pâncreas em imagens de Tomografia Computadorizada (TC) é uma tarefa desafiadora devido à elevada variabilidade anatômica do órgão, ao baixo contraste entre tecidos adjacentes e à grande quantidade de dados presentes nos exames volumétricos. Essa tarefa é importante para diversas aplicações clínicas, como diagnóstico auxiliado por computador, planejamento de tratamentos e análise quantitativa de estruturas anatômicas. No entanto, a identificação manual do pâncreas em exames de TC pode demandar tempo significativo dos especialistas, tornando o processo suscetível a variações entre observadores. Nesse contexto, métodos computacionais baseados em aprendizado profundo têm sido amplamente utilizados para auxiliar na análise automática de imagens médicas. Assim, este trabalho propõe um método automatizado para segmentação do pâncreas em imagens de TC abdominal. O método desenvolvido é composto por diferentes etapas, incluindo pré-processamento das imagens, filtragem automática de fatias sem a presença do órgão por meio de uma rede neural convolucional, extração da região de interesse utilizando um atlas probabilístico e aplicação de modelos de aprendizado profundo para realizar a segmentação. Para essa etapa, foram treinadas diferentes arquiteturas de redes neurais, incluindo DeepLabV3, U-Net++ e SegFormer. Posteriormente, os resultados gerados pelos modelos foram combinados por meio de uma estratégia de ensemble com o objetivo de aumentar a robustez da segmentação. O método foi avaliado utilizando a base de dadosMedical Segmentation Decathlon, composta por exames de TC abdominal anotados manualmente por especialistas. Os resultados experimentais demonstraram que o ensemble proposto alcançou desempenho superior aos modelos individuais, obtendo coeficiente Dice de 78,55%, IoU de 68,17% e Recall de 84,41%. Dessa forma, os resultados obtidos indicam que a abordagem proposta apresenta potencial para auxiliar especialistas na análise de exames de TC, contribuindo para o desenvolvimento de sistemas de apoio ao diagnóstico baseados em aprendizado profundo.
	MARCUS VINICIUS SILVA LIMA DE OLIVEIRA
	Atenção Multiescala em Redes U-Net: Uma Abordagem para Segmentação de Rins, Tumores e Cistos em Tomografia Computadorizada
	Orientador : GERALDO BRAZ JUNIOR
	Data : 23/04/2026
	Mostrar Resumo
	A detecção e o diagnóstico precoce do câncer renal desempenham um papel fundamental no prognóstico e no tratamento, elevando significativamente as chances de cura e de sobrevivência dos pacientes. Nesse contexto, os avanços nos exames radiológicos permitem ao médico especialista realizar, por meio de imagens, a análise e identificação de lesões suspeitas. A Tomografia Computadorizada (TC) destaca-se como uma ferramenta amplamente utilizada no diagnóstico do câncer renal, devido à sua capacidade de gerar um grande volume de imagens detalhadas das estruturas internas do corpo, incluindo os rins, os cistos e os tumores. Entretanto, a análise manual desses exames é um processo trabalhoso e suscetível a erros decorrentes de fadiga e distração, o que evidencia a necessidade de métodos computacionais que auxiliem na segmentação automática dessas estruturas. Nos últimos anos, as Redes Neurais Convolucionais (CNNs) têm se destacado nessa tarefa, fornecendo suporte relevante aos especialistas em imagens médicas. Nesta pesquisa, desenvolvemos um modelo convolucional denominado Dual-Scale SE U-Net, que explora a extração de características em múltiplas escalas por meio de convoluções paralelas (3x3 e 7x7), combinadas com mecanismos de atenção por canal baseados no módulo Squeeze-and-Excitation (SE), integrados à arquitetura U-Net para segmentação de rins, cistos e tumores em imagens de tomografia computadorizada. Como etapa de pré-processamento, as imagens foram redimensionadas de 512x512 para 256x256 pixels, visando maior eficiência computacional. A metodologia produziu resultados promissores no conjunto de dados do desafio KiTS23, avaliado por meio de validação cruzada com cinco iterações, apresentando coeficiente de similaridade Dice de 90,94% para Rins e Massas, 89,52% para Massas Renais e 86,27\% para Tumores Renais. Na análise por estruturas individuais, foram obtidos valores de 93,80% para rins, 92,76% para cistos e 86,27% para tumores, evidenciando a eficácia da abordagem proposta como ferramenta de apoio ao diagnóstico médico.
	OSMAR AGUIAR RIBEIRO JUNIOR
	Otimização Evolutiva Híbrida para Docking ProteínaPeptídeo
	Data : 17/04/2026
	Mostrar Resumo
	O docking molecular é uma técnica computacional fundamental para prever como moléculas pequenas, denominadas ligantes, interagem com uma proteína alvo específica. Essa técnica desempenha papel crucial na descoberta e desenvolvimento de novos fármacos, permitindo identificar potenciais compostos terapêuticos de maneira rápida e econômica em comparação aos métodos experimentais tradicionais. No entanto, a principal limitação dessa abordagem esta relacionada à complexidade computacional envolvida no processo, especialmente quando se considera a flexibilidade molecular tanto do ligante quanto da proteína receptora. O espaço de busca para possíveis conformações e interações é vasto, exigindo abordagens robustas e eficientes para garantir resultados precisos e confiáveis. Neste contexto, métodos híbridos de otimização, especialmente aqueles baseados em algoritmos evolutivos e técnicas de enxame, tem se mostrado promissores devido à sua capacidade de explorar e explorar amplamente o espaço de busca, encontrando soluções próximas do ótimo global.
	PAULO ROBERTO SILVA MARCOS
	UM SIMULADOR DE TRAJETÓRIA DE VANT DE ASA FIXA APLICADO AO MONITORAMENTO ESPECTRAL DE RADIOFREQUÊNCIA
	Orientador : ALEXANDRE CESAR MUNIZ DE OLIVEIRA
	Data : 15/04/2026
	Mostrar Resumo
	O emprego de veículos aéreos não tripulados (VANTs) em atividades de monitoramento do espectro de radiofrequência, seja de forma autônoma ou telecontrolada, tem sido apresentado como uma possibilidade, e vários trabalhos têm proposto algoritmos para esse fim. Esta pesquisa propõe um simulador de trajetória a ser executado por VANT de asa fixa, sugerindo rotas de desvio horizontal e vertical na execução da atividade de monitoramento espectral de sinais de radiofrequência emitidos por estações de transmissão conhecidas, e auxiliando na identificação de sinais de estações desconhecidas ao longo do percurso. Como etapa de planejamento, propõe-se uma abordagem baseada no refinamento da sequência gerada por algoritmos básicos de roteamento aplicados ao problema do caixeiro viajante (PCV). O espaço de busca é definido por características de radiofrequência e pelos limiares da relação sinal-ruído. Os resultados demonstraram que a minimização realizada pelo algoritmo de escalada resultou em expressiva redução do comprimento da trajetória, que foi simulada adequadamente pelo modelo proposto, considerando a presença de obstáculos extensos e função de consumo de energia
	RONALD CESAR CARNEIRO DA SILVA
	Modelagem Preditiva Explicável para Apoio à Prevenção da Evasão em Cursos de Graduação
	Data : 13/04/2026
	Mostrar Resumo
	A evasão acadêmica ainda é um desafio recorrente nas instituições de ensino superior, gerando impactos pessoais para os estudantes e consequências sociais e institucionais relevantes. Nos últimos anos, modelos de aprendizado de máquina têm sido utilizados para estimar o risco de desligamento a partir de dados acadêmicos, demográficos e socioeconômicos dos discentes. Entretanto, apesar do bom desempenho preditivo, muitos desses modelos operam com baixa transparência, o que dificulta interpretar seus resultados. Nesse cenário, abordagens de Inteligência Artificial Explicável (XAI) surgem como alternativa para tornar as previsões mais compreensíveis e úteis na prática. Esta dissertação investiga como técnicas de Inteligência Artificial Explicável podem ser aplicadas a modelos preditivos para estimar o risco de desligamento acadêmico em cursos de graduação, com o objetivo de identificar os fatores que mais influenciam as decisões dos modelos e analisar o potencial das explicações geradas como suporte ao planejamento de estratégias institucionais de prevenção à evasão. A pesquisa foi conduzida a partir de dados de cursos de graduação presenciais da Universidade Federal do Maranhão - UFMA e adotou uma abordagem analítica estruturada que combina análise exploratória, modelagem preditiva segmentada por curso e técnicas de explicabilidade global e local. Foram utilizados diferentes algoritmos de aprendizado de máquina para estimar o risco de desligamento e métodos da XAI como \textit{SHAP}, \textit{Permutation Importance}, \textit{LIME} e \textit{Anchors} foram aplicados para interpretar as previsões e analisar a contribuição das variáveis nas decisões dos modelos. Os resultados indicam que os modelos preditivos apresentam bom desempenho na identificação de estudantes em risco, embora com variações entre cursos. As análises explicativas mostraram convergência entre técnicas ao apontar três dimensões acadêmicas como centrais na estrutura das previsões: a eficiência na conversão da carga horária matriculada em aprovações (IECH), o ritmo de progressão ao longo do curso (IEPL) e o desempenho global representado pela média de conclusão (MC). No contexto analisado, as variáveis demográficas apresentaram influência menos significativa nas previsões. Além disso os resultados sugerem que integrar modelagem preditiva e técnicas de explicabilidade torna o risco de desligamento mais interpretável, ao evidenciar padrões de desempenho acadêmico associados ao evento. As explicações ajudam a compreender quais fatores sustentam as estimativas de risco em diferentes cursos. Com isso, a abordagem pode apoiar a gestão acadêmica na identificação de perfis que demandam maior atenção e no planejamento de ações institucionais voltadas à permanência estudantil.
	CARLOS EDUARDO NASCIMENTO CAJADO
	TREINAMENTO DE FUNÇÕES DE ATIVAÇÃO EM REDES NEURAIS ARTIFICIAIS: UMA ABORDAGEM COM REGRESSÃO POLINOMIAL
	Data : 10/04/2026
	Mostrar Resumo
	As redes neurais artificiais são amplamente aplicadas a problemas complexos, contudo, a escolha da função de ativação (FA) ideal ainda representa um desafio, especialmente devido à ausência de critérios consistentes que relacionem as características dos dados à função mais adequada. À luz dessas limitações, avanços recentes destacam o potencial das FA treináveis, que se ajustam dinamicamente durante o treinamento para aprimorar o desempenho da rede. Tal mecanismo ainda pode ser explorado na inserção de novas camadas ocultas em redes do tipo stacked autoencoder, a fim de favorecer maior profundidade estrutural sem comprometer a estabilidade ou a eficiência do aprendizado. Em vista disso, este trabalho propõe uma nova abordagem, baseada em regressão polinomial, para o desenvolvimento de funções de ativação treináveis. O método introduz um mecanismo de inserção de novas camadas escondidas, de modo a colaborar com as camadas já existentes, caracterizando-o como colaborativo. Isso permite a integração das novas camadas sem degradar o conhecimento adquirido pelas camadas anteriores. Deste modo, simultaneamente, potencializando a capacidade adaptativa e o desempenho da rede por meio do cálculo da estimativa do erro. Esse cálculo é utilizado para ajustar dinamicamente a saída dos neurônios ocultos, em comparação ao uso de FA fixas. O método é avaliado em oito bases de dados de benchmarking extraídas da plataforma OpenML, totalizando 4.800 experimentos, a fim de analisar seu impacto na estabilidade do treinamento, na adaptabilidade da estrutura e no desempenho da rede em comparação com a função de ativação sigmoide tradicional
	CICERO MATIAS FERREIRA DO NASCIMENTO NETO
	Rastreamento de Veículos em Cidades Inteligentes por Meio de Sensoriamento Móvel Participativo
	Data : 27/03/2026
	Mostrar Resumo
	No contexto das Cidades Inteligentes, o rastreamento veicular desempenha papel fundamental em aplicações como a otimização da mobilidade urbana, a gestão do tráfego e, especialmente, o fortalecimento da segurança pública. Nesse cenário, a identificação e o acompanhamento de veículos roubados ou furtados constituem um desafio relevante, sobretudo em ambientes urbanos dinâmicos e com cobertura limitada de infraestrutura fixa. Este trabalho propõe um modelo de rastreamento veicular de baixo custo baseado em Sensoriamento Móvel Participativo, no qual vídeos do ambiente viário são capturados por smartphones posicionados em veículos ou em pontos estratégicos de fiscalização. O modelo integra técnicas de visão computacional e aprendizado profundo, abrangendo a detecção e o rastreamento de veículos, a extração das regiões de placas veiculares por meio do modelo YOLO e o reconhecimento dos caracteres utilizando o PaddleOCR. Para aumentar a confiabilidade da leitura, o sistema diferencia automaticamente entre o padrão Mercosul e o formato brasileiro descontinuado, aplicando regras específicas de validação para cada caso. Diferentes estratégias de processamento foram avaliadas experimentalmente, considerando tanto abordagens baseadas em processamento remoto quanto a execução local diretamente nos dispositivos móveis. Os resultados indicam que o processamento local apresenta desempenho mais consistente para a tarefa de rastreamento veicular, alcançando revocação média de 81,56% (recall, isto é, a taxa de identificação correta dos veículos efetivamente presentes no vídeo), além de maior estabilidade estatística quando comparado às abordagens dependentes de envio de dados. Adicionalmente, essa estratégia demonstrou viabilidade prática ao operar dentro de limites aceitáveis de consumo de recursos computacionais e eliminar a dependência de conectividade durante o processamento. Os resultados obtidos evidenciam que o modelo proposto constitui uma alternativa robusta e escalável para aplicações de rastreamento veicular em Cidades Inteligentes, especialmente no apoio às ações de segurança pública, mesmo em cenários desafiadores de dupla mobilidade.

2025

	Descrição
	JOAO PEDRO GOMES DE SOUZA
	Detecção de Fissuras em Micro Tomografia de Concreto Reforçado Por FibrasUtilizando Redes Neurais Profundas
	Data : 22/09/2025
	Mostrar Resumo
	O concreto reforçado por fibras é um material crucial para construção civil e monitorar sua condição é uma tarefa importante para sua preservação e prevenção de acidentes e perdas financeiras. Dentre os vários métodos não destrutivos de monitoramento da condição do concreto, destaca-se a análise por imagens de Microtomografia Computadorizada (Micro-CT), por se tratar de um método barato e livre de ruídos e de interferências externas. Contudo, a identificação manual de fissuras em imagens de Micro-CT é subjetiva e requer um esforço humano significante. Algoritmos de aprendizado profundo vem sendo utilizados constantemente para a detecção automática de fissuras em concreto, porém apenas em regiões superficiais. Detectar fissuras em toda a estrutura do concreto reforçado por fibras, incluindo a parte interna, como em volumes de Micro-CT de alta resolução, permanece um desafio. Este estudo, portanto, propõe um método automático para detecção de fissuras especificamente para imagens de Micro-CT de concreto reforçado por fibra, integrando técnica de pré-processamento utilizando super-resolução, Detection Transformers (DETR) e pós-processamento baseadas em comitê para aprimorar a precisão e confiabilidade das detecções de fissuras. O modelo foi treinado e validado usando uma base de dados criada e publicada a partir de imagens Micro-CT de experimentos de tração fibra/matriz denominada FIRECON Dataset, composta de 4,064 imagens anotadas por especialistas. alcançando métricas de 86,098% de Interseção sobre União(IoU), 89,37% de Precisão, 83,26% de Recall, 84,99% de F1-Score e 44,69% de Precisão Média (AP). Este método portanto reduz significativamente o tempo de análise, esforço humano e melhora a consistência dos resultados em comparação com uma inspeção visual. O método proposto mostra o potencial do aprendizado profundo no auxílio do monitoramento da condição e compreensão dos mecanismos de fissuração do concreto reforçado por fibras e oferece uma ferramenta valiosa para o desenvolvimento de materiais de engenharia duráveis e de alto desempenho.
	KENNEDY ANDERSON MENDES NUNES
	Desenvolvimento de Artefatos para a Avaliação de Dashboards de Sistemas de Apoio à Tomada de Decisão focando em Usabilidade e Experiência do Usuário
	Data : 18/09/2025
	Mostrar Resumo
	Dashboards bem projetados sintetizam dados complexos, permitindo que os usuários identifiquem rapidamente tendências e padrões. Para alcançar seus objetivos, esses dashboards devem ser fáceis de usar, melhorando a capacidade dos usuários de entender, interagir e extrair insights a partir dos dados apresentados. Este artigo destaca a importância dos dashboards no apoio à tomada de decisão, enfatizando o papel crucial da experiência do usuário (UX) e da usabilidade na efetividade desses sistemas. Nos últimos anos os dashboards se popularizaram e observou-se um crescimento significativo no surgimento dessas ferramentas no mercado. Essa ascensão tem encorajado desenvolvedores a criarem suas próprias ferramentas, além de atrair os esforços de pesquisadores para esta área. Apesar do destaque, há necessidade de propor tecnologias capazes de apoiar desenvolvedores e equipes de desenvolvimento no processo de projetar e avaliar dashboards de qualidade, visto que embora estas ferramentas estejam em alta, as tecnologias para garantir a qualidade delas e a satisfação dos usuários, não tem acompanhado o ritmo. O principal objetivo dessa pesquisa de mestrado é propor atributos de qualidade relacionados à usabilidade e à experiência do usuário que possam ser incorporados durante o processo de desenvolvimento de dashboards. Após uma revisão da literatura sobre os atributos de qualidade de dashboards, foi desenvolvido um checklist para avaliar os aspectos de usabilidade desses sistemas. O checklist facilita a identificação estruturada e simples de problemas de usabilidade, mesmo por usuários inexperientes, sendo uma ferramenta de avaliação robusta baseada em atributos de qualidade validados pela literatura anterior. Além disso, propor um conjunto agregado de Padrões de Design associados aos itens de verificação do checklist. Tanto o checklist de inspeção quanto os padrões de design foram aplicados para a avaliação e o redesenho de dashboards propostos dentro de um sistema de informação voltado à tomada de decisão na empresa multinacional de energia Equatorial Energia. Os resultados dessa experiência sugerem a viabilidade de considerar esses atributos de qualidade para melhorar a facilidade de uso dos dashboards. Para avaliar o checklist UDASHBOARD e padrões de design DP-DASHBOARD, foi conduzido um estudo experimental e os resultados indicaram que os participantes consideraram a tecnologia útil para a descoberta de defeitos em dashboards, no entanto, a facilidade de uso pode melhorar. Além disso, verificou-se que a experiência dos participantes não influenciou significativamente os resultados de eficácia e a eficiência da técnica. Para os resultados relacionados aos padrões indicaram que no geral a tecnologia é fácil de compreender e possui utilidade para apoiar o design de dashboards, no entanto, os exemplos visuais de alguns padrões podem melhorar para ficarem mais claros aos desenvolvedores.
	ARTHUR MARINHO DOS PASSOS
	Desenvolvimento de Artefatos de Software para Apoiar a Avaliação de Bibliotecas Digitais Móveis focando em Experiência do Usuário
	Data : 16/09/2025
	Mostrar Resumo
	Bibliotecas digitais móveis são aplicativos acessados por dispositivos móveis que oferecem uma ampla variedade de conteúdos educacionais, porém enfrentam desafios significativos relacionados à usabilidade, acessibilidade e experiência do usuário. Para compreender e enfrentar esses desafios, esta pesquisa desenvolveu uma abordagem estruturada iniciando-se por estudos exploratórios, que investigaram o contexto real de uso e as demandas dos usuários, identificando lacunas práticas e teóricas no desenvolvimento dessas bibliotecas digitais móveis. Em seguida, foi realizada uma Revisão Sistemática da Literatura (RSL) aprofundada, cujo objetivo foi mapear os atributos de qualidade mais relevantes para bibliotecas digitais móveis, reunindo conhecimento consolidado e identificando oportunidades para aprimoramento. A RSL permitiu consolidar critérios de avaliação que fundamentaram a construção da checklist inicial denominada BiblioCheck, voltada para a avaliação da usabilidade e qualidade dessas bibliotecas digitais móveis. A checklist BiblioCheck agrega critérios específicos e práticos, visando facilitar a inspeção sistemática das bibliotecas digitais móveis, orientando tanto desenvolvedores quanto avaliadores no processo de garantia de qualidade. Para validar sua aplicabilidade, essa checklist foi submetida a uma avaliação junto a usuários e especialistas da área, que analisaram sua eficácia em identificar pontos fortes e fragilidades dessas bibliotecas, bem como sua relevância para guiar melhorias. Os resultados da avaliação evidenciaram boa aderência da BiblioCheck, destacando sua facilidade de uso e capacidade de apontar aspectos críticos que impactam a experiência do usuário. Assim, a combinação dos estudos exploratórios, da RSL e da avaliação da checklist formou um conjunto integrado de artefatos que suportam o desenvolvimento de bibliotecas digitais móveis mais acessíveis, eficientes e alinhadas às necessidades reais dos usuários e do mercado. Dessa forma, esta pesquisa contribui para preencher uma lacuna importante na área, fornecendo um instrumento prático e validado, a BiblioCheck, que pode ser incorporado no ciclo de desenvolvimento e avaliação dessas bibliotecas digitais móveis, promovendo melhorias contínuas e o aprimoramento da experiência do usuário.
	KARLA FELICIA CARVALHO DA SILVA
	Impacto das técnicas de equilíbrio de classes na privacidade: uma análise dos ataques de inferência de associação
	Data : 29/08/2025
	Mostrar Resumo
	O uso de modelos de aprendizado de máquina treinados com conjuntos de dados desequilibrados que contêm informações confidenciais tem levantado preocupações em matéria de privacidade. Uma dessas preocupações é a vulnerabilidade ao ataque de inferência de associação (Membership Inference Attack - MIA), que revela se um ponto de dados específico foi ou não utilizado para treinar um modelo. Neste contexto, uma área que tem sido negligenciada é se o método para lidar com o desequilíbrio de classes para treinar classificadores com algoritmos de aprendizagem supervisionada padrão que esperam um cenário com classes equilibradas aumenta o vazamento de informações sensíveis. Para preencher esta lacuna, realizámos uma série de avaliações empíricas de MIA com conjuntos de dados desequilibrados do mundo real para avaliar esta questão. Os nossos resultados mostram que os métodos para garantir o equilíbrio do classificador podem aumentar significativamente o desempenho dos ataques MIA. Isto tem implicações para os cientistas que estudam as defesas contra ataques nestes cenários com conjuntos de dados desequilibrados.
	INEZ CAVALCANTI DANTAS
	A Janela de Tempo Ideal: Otimizando Indicadores Bibliométricos para Prever o Sucesso de Curto Prazo de Pesquisadores
	Data : 30/07/2025
	Mostrar Resumo
	Prever o sucesso de um pesquisador por meio da avaliação do sucesso de suas publicações é um tópico importante que vem atraindo cada vez mais atenção na comunidade científica. No entanto, nesse contexto, não existem estudos abrangentes que forneçam o tamanho ideal da amplitude da janela para a captura de publicações como base para o cálculo de preditores. Neste estudo, estamos interessados em como janelas temporais curtas ou longas usadas como base para o cálculo de índices bibliométricos preditivos afetam a precisão do classificador que categoriza os pesquisadores entre aqueles com publicações recentes bem-sucedidas e outros pesquisadores. Usando o conjunto de dados da American Physical Society (APS), comparamos o desempenho dos classificadores. Usamos validação cruzada de 10 folds para determinar o classificador mais preciso em ambos os cenários descritos acima. Nós encontramos que uma avaliação mais abrangente dos cientistas é necessária sugerindo que uma janela longa supera uma janela curta.
	JOAO PEDRO CAVALCANTI AZEVEDO
	Explorando Métodos de Aprendizado Semi-supervisionado e Inteligência Artificial Generativa na Identificação de Ideação Suicida em Textos Não-Clínicos
	Data : 30/06/2025
	Mostrar Resumo
	O suicídio continua sendo um grave problema de saúde pública em todo o mundo, e a identificação precoce da IS é fundamental para a prevenção de casos fatais. Neste contexto, o presente trabalho teve como objetivo aprimorar o sistema Boamente, uma ferramenta baseada em IA desenvolvida para apoiar PSMs na detecção e monitoramento da IS em textos não clínicos escritos em PT-BR. O Boamente opera por meio da coleta de textos dos usuários via um teclado virtual em dispositivos móveis, que os envia a uma plataforma web para análise automática. Para tornar o sistema mais preciso e confiável, foram conduzidos dois estudos complementares. No primeiro estudo, buscou-se melhorar o desempenho do modelo de classificação do Boamente por meio da aplicação de técnicas de ASSL com foco em AET. Novos dados foram coletados e diferentes abordagens foram testadas, resultando em uma evolução da acurácia entre 2,39% e 4,30% em relação ao modelo base, com destaque para o método self-learning, que apresentou o melhor desempenho geral. Esses avanços reforçam o potencial da combinação entre dados rotulados e não rotulados no treinamento de modelos para problemas sensíveis como a detecção de IS. No segundo estudo, propôs-se a expansão da arquitetura do Boamente com a incorporação de um módulo gerador de explicações, utilizando engenharia de prompt com LLMs. A proposta teve como foco aumentar a interpretabilidade do sistema, permitindo que os PSMs compreendam as razões pelas quais um texto foi classificado como contendo ou não IS. Para isso, foi realizada uma avaliação quantitativa com diferentes LLMs, na qual o modelo Qwen 2.5 (14B) obteve o melhor desempenho em AUC (0,9898), enquanto os modelos Qwen 2.5 de 3B e 7B apresentaram os melhores valores de recall, métrica crítica para evitar falsos negativos em contextos clínicos. Em paralelo, conduziu-se uma avaliação qualitativa com especialistas de diferentes áreas (ciência da computação, linguística e psicologia), que consideraram as explicações geradas pelo modelo LLaMA 3.1 (8B) como as mais coerentes, claras e úteis para fins interpretativos. Os resultados obtidos demonstram que a integração de métodos de ASSL com LLMs explicativos pode elevar significativamente a qualidade do Boamente, tanto em termos de desempenho técnico quanto de confiabilidade percebida pelos profissionais que o utilizam. Além disso, a geração de explicações tem o potencial de fortalecer a confiança dos usuários no sistema de IA, prevenindo uma aceitação cega das predições e promovendo uma tomada de decisão mais crítica e embasada. Este trabalho contribui, portanto, para o desenvolvimento de sistemas de IA mais transparentes, eficientes e sensíveis às demandas da saúde mental, especialmente no contexto da prevenção ao suicídio no Brasil.
	IGOR BEZERRA REIS
	Um Método Baseado em Grandes Modelos de Linguagem Generativos para a Análise de Similaridades entre Marcas no Contexto Brasileiro
	Data : 22/04/2025
	Mostrar Resumo
	Uma marca tem o objetivo de identificar, de forma única e distintiva, os produtos e serviços oferecidos por uma empresa. Ela constitui um importante ativo intangível, atuando como instrumento fundamental para impedir práticas de concorrência desleal e fortalecer o posici- onamento competitivo das empresas no mercado. Contudo, o crescente número de pedidos de registro de marcas submetidos ao Instituto Nacional de Propriedade Intelectual (INPI) tem gerado desafios significativos, incluindo aumento no tempo de análise, inconsistências nas decisões e maior complexidade na identificação de conflitos entre marcas. Diante desse cenário, métodos automatizados para a análise de similaridade entre marcas tornam-se essenciais para aprimorar a eficiência, confiabilidade e agilidade dos processos realizados pelo instituto. Neste contexto, esta dissertação propõe um método baseado em Modelos de Linguagem de Grande Escala (LLMs) para classificar e explicar a similaridade entre marcas nominativas, considerando os critérios fonético, ideológico, distintivo e mercadoló- gico adotados pelo INPI. Para alcançar esse objetivo, o método foi estruturado em duas etapas principais: (1) desenvolvimento de um modelo classificador, capaz de identificar rapidamente e com precisão conflitos entre marcas; e (2) desenvolvimento de um modelo explicador, responsável por fornecer explicações detalhadas sobre os motivos pelos quais duas marcas são consideradas similares ou não. Para desenvolver este método proposto, foi criado um Conjunto de Dados de Arquivo de Marcas Conflitantes (do inglês, Conflicting Marks Archive Dataset - CMAD), composto por casos reais de conflitos entre marcas extraídos das publicações oficiais do INPI. Diferentes LLMs foram avaliados quanto à pre- cisão na classificação dos conflitos entre marcas e na geração de explicações fundamentadas sobre os casos analisados, sendo essas avaliações validadas por especialistas em Propriedade Intelectual (PI). Os resultados demonstraram que alguns dos modelos avaliados obtiveram desempenho expressivo, com acurácia próxima a 99%, F1-score superior a 98% e AUC acima de 99% na classificação dos conflitos. Além disso, as explicações fornecidas pelos modelos foram avaliadas por especialistas com média superior a 4, em uma escala de 0 a 5, demonstrando clareza e alinhamento com os critérios estabelecidos pelo INPI. Portanto, este estudo apresenta uma contribuição para a análise automatizada de similaridade entre marcas, destacando o potencial dos LLMs na otimização e aprimoramento dos processos relacionados à PI, reduzindo a subjetividade inerente à análise manual e ampliando a trans- parência nas decisões institucionais, possibilitando democratizar o acesso à proteção de marcas, especialmente beneficiando pequenas e médias empresas que enfrentam limitações financeiras ou técnicas, contribuindo diretamente para a redução de custos operacionais, prevenção de litígios de marcas e aceleração dos processos decisórios.
	ALISON CORREA MENDES
	Detecção de Dentes e Classificação de Patologias Dentárias em Imagens de Radiografias Panorâmicas Utilizando Aprendizado Profundo
	Data : 10/04/2025
	Mostrar Resumo
	A radiografia panorâmica desempenha um papel fundamental no diagnóstico e planejamento odontológico. No entanto, sua interpretação pode estando sujeita a erros devido a fatores como fadiga, estresse e experiência do profissional. Este trabalho propõe um método baseado em aprendizado profundo para a detecção automática de dentes e classificação de patologias bucais em imagens de radiografias panorâmicas. Foram avaliadas diferentes arquiteturas de redes neurais convolucionais para ambas as tarefas. Na detecção de dentes, a YOLOv8x apresentou melhores resultados, com mAP50 de 0,945 e mAP50-95 de 0,578. Na classificação de patologias bucais, a DenseNet121 obteve um F1 Score de 0,854, demonstrando uma boa relação entre identificação correta e precisão ao evitar falsos positivos. Além disso, a abordagem combinada YOLOv8x + DenseNet121 superou a YOLOv8x realizando ambas as tarefas diretamente, alcançando um F1 Score de 0,6014 contra 0,433 da YOLOv8x. Os resultados indicam que a estratégia de dividir o processo em duas etapas melhora significativamente a identificação de patologias em radiografias panorâmicas, tornando o diagnóstico odontológico assistido por computador mais eficiente. Essa abordagem tem o potencial de reduzir o tempo de análise e minimizar erros humanos.
	BRUNO CARVALHO DA SILVA
	ReqCluster4IoT: Um método de Agrupamento de Requisitos para aplicações de IoT
	Data : 09/04/2025
	Mostrar Resumo
	A Engenharia de Requisitos é uma importante etapa do ciclo de vida de desenvolvimento de software, visando que o produto final atenda às necessidades dos stakeholders. Em projetos de software, os requisitos são frequentemente escritos em linguagem natural não estruturada e organizados em documentos de especificação de requisitos. Tal característica oferece praticidade no momento da criação do documento, contudo torna a análise manual difícil e demorada, sobretudo em projetos com grande número de requisitos. Contextos contemporâneos de software, como Internet das Coisas (do inglês, Internet of Things ou IoT), tornam necessário que o processo de desenvolvimento de software seja repensado continuamente. A análise de requisitos em IoT é desafiadora devido à alta diversidade de elementos presentes nesse domínio complexo. Nestas circunstâncias, uma abordagem que pode dar suporte para a análise destes requisitos é a utilização de algoritmos de agrupamento, para agrupá-los em grupos de contextos similares. Tal agrupamento pode ajudar na compreensão do sistema a ser projetado. Foi proposto então o ReqCluster4IoT, um método de agrupamento de requisitos funcionais para aplicações de IoT. O ReqCluster4IoT está fundamentado em uma análise exploratória da literatura para identificar características de IoT e também em experimentos em classificação de requisitos e em similaridade semântica de textos. Para prover melhores índices na classificação e na computação de similaridade semântica, foram desenvolvidos dois conjuntos de dados, a Promise+ e o ReqFuncSimDataset. Os experimentos demonstraram a superioridade de modelos baseados em Transformers em detrimento as abordagens tradicionais. O método proposto foi avaliado quanto à sua aceitação, considerando sua utilidade. Para isso, foi conduzida uma pesquisa de opinião e um grupo focal. A pesquisa opinião visava obter a aceitação de 10 desenvolvedores de software para IoT. Por sua vez, o grupo focal foi utilizado para obter mais informações sobre os resultados providos pelo método. Os resultados mostraram que o método proposto consegue capturar com eficácia as relações entre requisitos, para agrupá-los corretamente. Os resultados dos experimentos demonstraram ainda que a ReqCluster4IoT pode auxiliar os profissionais no agrupamento de requisitos de software para IoT, bem como a identificação de característica de IoT no grupo pode dar mais informações para a análise destes requisitos. O método ainda obteve altos índices de aceitação quanto à sua utilidade, ao seu potencial de redução de esforço e intenção de uso.
	MATHEUS LEVY DE LIMA BESSA
	Detecção de Ovos de Parasito em Imagens de Microscópio via Ensemble de Detectores
	Data : 02/04/2025
	Mostrar Resumo
	As infecções parasitárias intestinais representam um problema de saúde global, especialmente em regiões com condições sanitárias precárias e zonas tropicais. Segundo a Organização Mundial da Saúde (OMS), estima-se que 1,5 bilhão de pessoas sejam afetadas por essas infecções. O diagnóstico manual, realizado por profissionais que analisam amostras microscópicas para identificar e classificar ovos parasitários, é demorado e suscetível a erros, principalmente devido à variação na experiência dos profissionais e à presença de estruturas parasitárias de pequenas dimensões ou parcialmente ocultas por impurezas. Para enfrentar esse desafio, este trabalho propõe uma metodologia baseada em um ensemble que combina uma arquitetura de detecção especializada com detectores genéricos refinados em um conjunto de imagens específico. A arquitetura personalizada, desenvolvida a partir da HRNet-W32, incorpora blocos residuais e composição de perdas intermediárias. Detectores como Cascade R-CNN, TOOD e CenterNet foram ajustados utilizando o conjunto de dados Chula-ParasitEgg11. A fusão das detecções foi realizada por meio da técnica Weighted Box Fusion, que integra resultados sem descartar potenciais identificações relevantes. A abordagem alcançou desempenho significativo, com F1 Score de 0,945 e mAP[0.5:0.95] de 0,868, demonstrando potencial para automatizar o diagnóstico com precisão e eficiência.
	LUCAS REIS ABREU
	Explorando as competências necessárias na jornada do Gerente de Produto
	Data : 01/04/2025
	Mostrar Resumo
	Dependendo da empresa, o papel do Gerente de Produto de software pode englobar diferentes responsabilidades, mas os problemas enfrentados costumam ser os mesmos e as habilidades necessárias para resolvê-los também. Esta pesquisa avalia os principais problemas enfrentados por este papel, assim como as responsabilidades e habilidades necessárias, a fim de estruturar a jornada deste profissional mediante estes três pilares. Além disso, propõe-se criar uma diferença entre as responsabilidades do Gerente de Produto, Dono do Produto e Gerente de Projeto, por serem papéis diferentes com atividades que são semelhantes ou podem se complementar. Foi executada uma revisão terciária da literatura a fim de verificar as lacunas existentes da área, elaborando-se assim um script de perguntas para aplicação de entrevistas e questionários online, ambos executados com profissionais da área. Como resultados, tem-se o mapeamento de competências do Gerente de Produto, além de propor elementos que diferenciem os três papéis similares levantados. Além disso, também obteve-se insights que não foram observados nos estudos secundários durante a revisão literária. Esta pesquisa contribui para a visualização da jornada do Gerente de Produto, oferecendo novos insights, compreensão de funções e diferenças entre este e outros papéis presentes na área.
	DANIEL MOREIRA PINTO
	Segmentação Automática de Endometriose Profunda em Imagens de Ressonância Magnética Baseada em Aprendizado Profundo
	Data : 17/03/2025
	Mostrar Resumo
	A endometriose profunda ´e a doenc¸a caracterizada pela presenc¸a do endom´etrio fora da cavidade uterina, causando agudo desconforto para as pessoas afetadas. M´etodos nao invasivos baseados em imagem para a aferic¸ ao do grau de evoluc¸ ao da doenc¸a sao eficazes mas custosos em tempo dos especialistas. Este trabalho propoe um m´etodo autom´atico de segmentac¸ ao de lesoes de endometriose em imagens de ressonancia magn´etica utilizando uma Swin- Unet. O m´etodo alcanc¸ou uma precisao de 45, 6%, sensibilidade 61, 9%, dice de 47, 7% e jaccard de 36, 2%. Foi segmentada com boa qualidade ao menos uma imagem por paciente em 17 dos 18 pacientes utilizados para teste.
	JOSE RIBAMAR DURAND RODRIGUES JUNIOR
	HistAttentionNAS: Uma CNN construída via NAS para o diagnóstico do câncer do pênis usando imagens histopatológicas
	Data : 27/02/2025
	Mostrar Resumo
	O câncer de pênis (CP) é uma neoplasia rara que, embora pouco frequente em países desenvolvidos, apresenta incidência alarmante em determinadas regiões de países em desenvolvimento. Seu diagnóstico precoce é fundamental para melhorar o prognóstico e reduzir a necessidade de intervenções cirúrgicas mutiladoras. A análise histopatológica permanece como o padrão ouro para diagnóstico, porém envolve processos subjetivos que podem atrasar o laudo e gerar divergências entre especialistas. Nesse sentido, o aprendizado profundo tem se mostrado promissor ao agilizar e padronizar avaliações, auxiliando patologistas na identificação de padrões relevantes. Este trabalho propõe uma metodologia para a classificação de CP em imagens histopatológicas digitais. Inicia-se com a preparação dos dados, balanceando as classes por meio de transformações geométricas e aplicando diferentes técnicas de pré-processamento e perturbações de cor. Em seguida, um processo de Pesquisa de Arquitetura Neural é empregado para definir, de forma automatizada, a melhor combinação de blocos iniciais (stem) e mecanismos de atenção nos estágios principais (backbone) da rede, otimizando a extração de texturas e informações discriminativas. Nos experimentos realizados, as arquiteturas otimizadas apresentaram valores de F1-Score de 0,927 em 40x e 0,958 em 100x, confirmando a eficácia da estratégia. Comparações com trabalhos relacionados na mesma base mostram resultados competitivos, em particular na ampliação de 100x, mesmo sem o uso de grandes bases externas ou transferência de aprendizado. Conclui-se que o balanceamento de classes, a configuração do pré-processamento e aumento de representatividade, aliados à automação via NAS, potencializam o desempenho da classificação de câncer de pênis.
	CHRISTIANO ANDERSON NEITZKE
	Enhancing LGPD Compliance: A Specialized Checklist and Implementation Templates for Governmental Software Systems
	Data : 21/02/2025
	Mostrar Resumo
	A Lei Geral de Proteção de Dados Pessoais (LGPD) estabelece diretrizes para o tratamento de dados pessoais. No entanto, compreender e implementar a LGPD apresenta desafios significativos para analistas de requisitos, particularmente na identificação e operacionalização de requisitos de privacidade. Esta dissertação adapta, avalia e aprimora o checklist LGPD- Check para uso em organizações públicas. O LGPD-Check é um método projetado para avaliar a conformidade de sistemas de software com os atributos de qualidade exigidos pela LGPD, abrangendo categorias como transparência de dados, consentimento do usuário, direitos do usuário, segurança de dados e responsabilidade do controlador. Aprimoramos o checklist incorporando requisitos específicos exigidos pelo Tribunal de Contas da União (TCU) e o aplicamos em uma organização governamental para avaliar sua eficácia. Nosso estudo experimental envolveu oito profissionais de TI. Os resultados indicaram que o checklist apoia efetivamente a detecção de defeitos em sistemas de software e levou a melhorias do LGPD-Check. Além de atualizar itens e recomendações, desenvolvemos templates para auxiliar os inspetores no uso do checklist. Esses templates fornecem orientações sobre como tratar questões de não conformidade e implementar melhorias nos sistemas avaliados. Posteriormente, aplicamos o LGPD-Check a dois sistemas reais de uma instituição acadêmica federal, o que nos permitiu discutir os benefícios, desafios e refinamentos necessários relacionados às recomendações e templates. Nossas descobertas revelaram que 57,4% dos itens avaliados não atendiam aos padrões legais, indicando lacunas substanciais nos processos e práticas de proteção de dados. O feedback do grupo focal sugeriu que o checklist revisado e os templates auxiliam na identificação de problemas de conformidade de software com a LGPD. Apesar de algumas limitações, como a necessidade de mais estudos para generalizar os resultados e explorar aplicações em outros domínios, nosso trabalho contribui para aprimorar a conformidade com a LGPD em sistemas de software, particularmente no setor público.
	CHRISTIANO ANDERSON NEITZKE
	Enhancing LGPD Compliance: A Specialized Checklist and Implementation Templates for Governmental Software Systems
	Data : 21/02/2025
	Mostrar Resumo
	A Lei Geral de Proteção de Dados Pessoais (LGPD) estabelece diretrizes para o tratamento de dados pessoais. No entanto, compreender e implementar a LGPD apresenta desafios significativos para analistas de requisitos, particularmente na identificação e operacionalização de requisitos de privacidade. Esta dissertação adapta, avalia e aprimora o checklist LGPD- Check para uso em organizações públicas. O LGPD-Check é um método projetado para avaliar a conformidade de sistemas de software com os atributos de qualidade exigidos pela LGPD, abrangendo categorias como transparência de dados, consentimento do usuário, direitos do usuário, segurança de dados e responsabilidade do controlador. Aprimoramos o checklist incorporando requisitos específicos exigidos pelo Tribunal de Contas da União (TCU) e o aplicamos em uma organização governamental para avaliar sua eficácia. Nosso estudo experimental envolveu oito profissionais de TI. Os resultados indicaram que o checklist apoia efetivamente a detecção de defeitos em sistemas de software e levou a melhorias do LGPD-Check. Além de atualizar itens e recomendações, desenvolvemos templates para auxiliar os inspetores no uso do checklist. Esses templates fornecem orientações sobre como tratar questões de não conformidade e implementar melhorias nos sistemas avaliados. Posteriormente, aplicamos o LGPD-Check a dois sistemas reais de uma instituição acadêmica federal, o que nos permitiu discutir os benefícios, desafios e refinamentos necessários relacionados às recomendações e templates. Nossas descobertas revelaram que 57,4% dos itens avaliados não atendiam aos padrões legais, indicando lacunas substanciais nos processos e práticas de proteção de dados. O feedback do grupo focal sugeriu que o checklist revisado e os templates auxiliam na identificação de problemas de conformidade de software com a LGPD. Apesar de algumas limitações, como a necessidade de mais estudos para generalizar os resultados e explorar aplicações em outros domínios, nosso trabalho contribui para aprimorar a conformidade com a LGPD em sistemas de software, particularmente no setor público.

PPGCC/CCET

inicio da opção idioma

Dissertações/Teses