ANEXO I - PROJETOS DE PESQUISA
Legenda: AC: Ampla Concorrência. PPI: pretos, pardos e indígenas. PCD: pessoa com deficiência.
ID Título do Projeto Vagas
IA01 Análise de Modelos de Redes Neurais para Detecção de Fake News 1 IA02 Detecção de Falhas Baseada em Visão Computacional 2 (1AC/1PPI) IA03 Detecção de Falhas em Máquinas Elétricas de Indução Trifásicas 2 (1AC/1PPI) IA04 Métodos de aprendizagem de máquinas para obtenção de modelos
reduzidos (primeira opção)
2 (1AC/1PPI) IA05 Monitoramento e Gerenciamento de Energia em Sistema Micro-Grid
Alimentado por Fontes Renováveis de Pequeno Porte 2
IA06 Pattern Recognition Techniques to Evaluate Magnetic Properties of
Non-Grain-Oriented Electrical Steels 1
IA07 Understanding Graph Neural Networks 2 (1AC/1PCD)
IA08 Uso de visão computacional para aplicações de navegação 3 (2AC/1PCD) PDI01 Como a Matriz de Coocorrência Estrutural Descreve Estruturas em
Imagens? 2 (1AC/1PPI)
PDI02 Desenvolvimento de métodos para segmentação e classificação de doenças em exames de Tomografia Computadorizada do tórax e do crânio
4 (3AC/1PCD)
RCSD01 Computação em Névoa e Internet das Coisas para Agricultura 4.0 1 RCSD02 Economia de Energia em Redes Sem Fio de Próxima Geração 1 RCSD03 Exploring Artificial Intelligence Techniques on Smart Edge Devices
(segunda opção)
2 (1AC/1PPI) RCSD04 Técnicas e Ferramentas para o Gerenciamento de Redes Blockchain 1 RCSD05 Usando informações espaço-temporais para identificar similaridade de
interesses entre usuários em redes de próxima geração
1
CA01 Descrição automática de Imagens e Vídeos em Ambientes Virtuais de Aprendizagem
1 CA02 Identificação de doenças e anomalias baseadas em imagens de
ultrassom (terceira opção)
4 (3AC/1PPI)
CA03 Integração de serviços na estratégia e-SUS 1
CA04 Segurança e privacidade para a Internet das Coisas Médicas 2 (1AC/1PCD) CA05 SmartRES - Uma plataforma IoT para Monitoramento Inteligente em
Saúde e interoperabilidade de Registro Eletrônicos de Saúde (RES)
2 (1AC/1PPI)
1. Linha de Pesquisa: Inteligência Artificial
Identificador IA01
Título Análise de Modelos de Redes Neurais para Detecção de Fake News
Resumo A popularização das Redes Sociais e de outras plataformas de divulgação de informações na Internet tem trazido diferentes formas de acesso às notícias. Aliada a esta popularização, a facilidade de compartilhar conteúdos nestas plataformas faz com as notícias se espalhem rapidamente, sem que haja qualquer verificação do conteúdo. Neste contexto, uma notícia falsa, conhecida mundialmente como “Fake News”, consegue atingir, em alguns minutos, uma grande quantidade de usuários, causando prejuízos inestimáveis à sociedade. O prejuízo está relacionado, principalmente, à tentativa de manipulação da opinião pública. Diante disso, este projeto visa o estudo e a análise de desempenho de modelos de redes neurais voltados à detecção de notícias falsas em plataformas de redes sociais. Após esta análise, espera-se a elaboração de uma proposta, usando redes neurais, que seja capaz de indicar a veracidade de um conteúdo disponível nestas plataformas. Por fim, pretende-se adotar este modelo em uma aplicação web/móvel, que será disponibilizada para os usuários conectados à Internet. Referências [1] Sharma, K., Qian, F., Jiang, H., Ruchansky, N., Zhang, M., and Liu, Y.
(2019). Combating fake news: A survey on identification and mitigation techniques. ACM Transactions on Intelligent Systems and Technology, 10:1–42.
[2] Matheus de Almeida Rosa; Higor Coimbra Amorim; Rogério Martins Gomes; Bruno André Santos et al. Detecção de Fake News: Uma Abordagem Utilizando Redes Neurais Convolucionais. In: Anais do 14º Simpósio Brasileiro de Automação Inteligente, 2019, Ouro Preto. Anais eletrônicos... Campinas, Galoá, 2019.
[3] Gahirwal, M., Moghe, S., Kulkarni, T., Khakhar, D., and Bhatia, J. (2018). Fake news detection. International Journal of Advance Research, Ideas and Innovations in Technology, 4(1), 817–819.
[4] Monteiro, R.A., Santos, R.L., Pardo, T.A., de Almeida, T.A., Ruiz, E.E., and Vale, O.A. (2018). Contributions to the study of fake news in portuguese: New corpus and automatic detection results. In International Conference on Computational Processing of the Portuguese Language, 324–334. Springer. Proponente Reinaldo Bezerra Braga
Identificador IA02
Título Detecção de Falhas Baseada em Visão Computacional
Resumo As técnicas de inteligência computacional vêm ganhando destaque na solução de problemas relacionados à detecção de falhas baseada em imagens. A aplicação desta filosofia pode provocar um impacto positivo relevante na agilidade e redução de custos de manutenção preditiva e corretiva em parques de geração eólica e fotovoltaica. No caso de parques eólicos, a análise preliminar de falhas em pás pode ser realizada de forma remota por detectores neurais, por exemplo, sobre imagens fotográficas realizadas pelo pessoal técnico dos próprios parques eólicos, dispensando a presença de técnico especializado, o qual se deslocará ao objeto de investigação apenas em caso de sugestão do detector. Já no caso de usinas fotovoltaicas de médio e grande porte, a utilização de drones equipados com câmeras e a aplicação posterior de algoritmos de detecção de falhas sobre imagens termográficas pode tornar o processo de correção de falhas ágil, reduzindo as perdas e aumentando a disponibilidade de geração.
Referências [1] Pereira, M. L, Desenvolvimento de um Sistema de Monitoramento e Detecção de Falhas para Microgeração Fotovoltaica, Dissertação de mestrado, PPGER, 2018.
[2] Tomazzoli, C.; Scannapieco S. e Cristani, M. Internet of Things and artificial intelligence enable energy efficiency, Journal of Ambient Intelligence and Humanized Computing, Springer, 2020.
Proponentes Cláudio Marques de Sá Medeiros Antonio Wendell de Oliveira Rodrigues Número de vagas 2
Identificador IA03
Título Detecção de Falhas em Máquinas Elétricas de Indução Trifásicas
Resumo As máquinas de indução trifásicas são amplamente utilizadas na indústria como motores, ao ponto de serem consideradas como “cavalo vapor” da indústria. Sua aplicação também é comum como geradores, sendo amplamente utilizados em geração eólica de grande porte. Sua robustez e simplicidade construtiva são os principais atributos responsáveis por esta reputação. Entretanto, quando esta máquina é submetida a condições operacionais ou ambientais severas, pode ser conduzida a falhas prematuras e inesperadas, o que pode causar impactos econômicos importantes. A detecção destas falhas vem sendo costumeiramente realizada por pessoal e instrumentação especializada, principalmente em equipamentos considerados de alto custo. Entretanto, com o desenvolvimento de técnicas de inteligência computacional, a detecção prematura de falhas, baseada na análise de sinais de vibração, corrente e/ou temperatura, vem se apresentando como uma opção atrativa, inclusive para equipamentos de baixo custo. Dessa forma, propõe-se o desenvolvimento de pesquisa aplicada para a detecção combinada de falhas por curto-circuito, abertura de barras rotóricas e/ou falhas em rolamentos. Para tal, há a possibilidade da utilização de uma bancada de testes ou o desenvolvimento de simulações computacionais para gerar os sinais dos quais serão extraídos os atributos para o treinamento dos classificadores. No caso de simulação computacional, pode-se lançar mão de modelos dinâmicos lineares ou a aplicação de elementos finitos para levar em consideração os efeitos dos harmônicos espaciais. Além disso, outra oportunidade é a implementação dos algoritmos de detecção de falhas em hardware específico para aplicação industrial.
Referências [1] VIEIRA, RENAN G.; MEDEIROS, CLAUDIO M. S.; SILVA, ELIAS T. Classification and sensitivity analysis to detect fault in induction motors using an MLP network. In: 2016 International Joint Conference on Neural Networks (IJCNN), 2016, Vancouver. 2016 International Joint Conference on Neural Networks (IJCNN). p. 796-802.
[2] VIEIRA, RENAN GOMES; CUNHA, REBECA GUERREIRO C.; MEDEIROS, CLAUDIO MARQUES SA; SILVA, ELIAS TEODORO. Embedding a Neural Classifier to Detect Faults in a Three -Phase Induction Motor. In: 2016 VI Brazilian Symposium on Computing Systems Engineering (SBESC), 2016, João Pessoa. 2016 VI Brazilian Symposium on Computing Systems Engineering (SBESC). p. 136.
[3] NASCIMENTO, N. M. M. E.; REBOUCAS FILHO, P. P.; MEDEIROS, C. M. S. A reliable approach for detection of incipient faults of short -circuits in induction generators using machine learning. Computers & Electrical Engineering , v. 71, p. 440-451, 2018.
Proponentes Cláudio Marques de Sá Medeiros Elias Teodoro da Silva Junior
Antonio Wendell de Oliveira Rodrigues Número de vagas 2
Identificador IA04
Título Métodos de aprendizagem de máquinas para obtenção de modelos reduzidos Resumo Técnicas de aprendizagem de máquinas, tais como as redes neurais artificias (RNAs), vêm sendo empregadas nas mais diversas áreas e plataformas, sejam de alta capacidade computacional, tal como os computadores pessoais, ou mesmo em sistema com poucos recursos computacionais, tal como Arduíno. Nesse tipo de plataforma, a memória para armazenamento e a capacidade de processamento é limitada e, assim, os modelos de inteligência artificial a serem embarcados devem ser os mais reduzidos possíveis. Quanto mais reduzidos são os modelos, em geral, menos tempo de processamento é demandado para realização das tarefas a que se propõem e, em razão disso, tais modelos são mais adequados em diversos tipos de sistemas (por exemplo, naqueles em que se tem aplicações em tempo real). Em razão do exposto, conjuntamente ao desenvolvimento/aprimoramento de métodos para aplicação em tarefas de interesse típicas, tais como: classificação, aproximação de funções, agrupamentos, dentre outras; tem-se percebido diversas pesquisas que visam a redução de modelos. Do exposto, ressalta-se que o objetivo deste vaga é desenvolver técnicas que podem envolver, como exemplo, a obtenção de modelos reduzidos em extreme learning machines, support vector machines, redes neurais Fuzzy ARTMAP, least square support vector machines, dentre outros .
Referências [1] Y. Miche, A. Sorjamaa, P. Bas, O. Simula, C. Jutten, A. Lendasse, OP-ELM: optimally pruned extreme learning machine, IEEE Transactions on Neural Networks, v. 21 p. 158–162 (2010).
[2] CARVALHO, B. P. R.; BRAGA, A. P. IP-LSSVM: A two-step sparse classifier. Pattern Recognition Letters, Elsevier Science Inc., v. 30, p. 1507–1515, 2009.
[3] Carvalho, B.P.R., Lacerda, W.S., Braga, A.P., 2007. RRS + LS-SVM: A New Strategy for a Priori Sample Selection. Neural Computing and Applications. Springer, v.16, p. 227–234 (2007).
Proponente Ajalmar Rêgo Rocha Neto Número de vagas 2
Identificador IA05
Título Monitoramento e Gerenciamento de Energia em Sistema Micro-Grid Alimentado por Fontes Renováveis de Pequeno Porte
Resumo O conceito das Redes Elétricas Inteligentes (REI), do inglêsSmart Grid, está relacionado à abordagem da rede de energia elétrica dotada de tecnologias digitais, recursos computacionais avançados e de comunicação para o monitoramento e o gerenciamento da eletricidade ao longo da estrutura de transporte e distribuição até os consumidores finais. Com base no conceito das REI o aumento do uso de dispositivos eletrônicos em casas e edifícios tem oferecido benefícios em muitas áreas como: Eficiência Energética, Conforto, Segurança, Cuidados com a Saúde e Recursos de Entretenimento. Este cenário possibilitou um importante crescimento no campo da inteligência ambiental que envolve mudanças significativas na vida cotidiana das pessoas. Esta inteligência ambiental se aplica a um ambiente de computação contínua, utilizando protocolos de comunicação de redes sem fio e Internet das Coisas (IoT). A Casa Inteligente (CI), do inglês Smart Home, está se tornando uma realidade no mundo desenvolvido. O seu Sistema de Gerenciamento de Energia (SGE) se integra com microcontroladores, sensores, atuadores e interfaces de comunicação, compondo um conjunto de dispositivos de uma infraestrutura de objetos físicos baseados em Internet das Coisas (IoT). Referências [1] Lima, G. S. B. Estratégias de Gerenciamento de Energia Elétrica em
Casas Inteligentes com Integração de Recurso Fotovoltaico em Redes Isoladas Microgrid, Dissertação de mestrado, PPGER, 2018.
[2] Gladence, L. M.; Anu, V. M.; Rathna, V. e Brumancia, E. Recommender system for home automation using IoT and artificial intelligence, Journal of Ambient Intelligence and Humanized Computing, Springer, 2020.
[3] Alzafarani, R. A. e Alyahya, G. A. Energy Efficient IoT Home Monitoring and Automation System, 2018 15th Learning and Technology Conference (L&T), 2018.
[4] Ahamed, F.; Shahrestani, S.; Cheung, H. Internet of Things and Machine Learning for Healthy Ageing: Identifying the Early Signs of Dementia, Sensors, Smart IoT Systems for Pervasive Healthcare, 2020.
Proponentes Cláudio Marques de Sá Medeiros Elias Teodoro da Silva Junior Número de vagas 2
Identificador IA06
Título Pattern Recognition Techniques to Evaluate Magnetic Properties of Non-Grain-Oriented Electrical Steels
Resumo Non-Grain Oriented (NGO) steels correspond to a class of materials widely used in electrical devices, such as motors and transformers. Therefore, the search for microstructural conditions of NGO steels that can influence lower magnetic losses is of great relevance for applications in metallurgical and materials engineering. In general, the magnetic properties of these steels are evaluated through various tests on the material, including the image analysis of the microstructure in different heat treatments, in addition to measurement techniques of quantities such as magnetic field, magnetic flux and loss of energy per unit of mass. However, this procedure can be expensive and laborious and, in case there is a need to evaluate the magnetic losses of a new sample set, the complete sequence of these tests and measurements must be performed again. Given the above, this project aims to collect real data of hysteresis curves of non-grain-oriented electrical steels, and turn it into a pattern classification problem, where we will extract representative attributes and define their classes, according to the characteristics of the collected samples. Then, we will implement and apply different state-of-the-art pattern classifiers. As a result, we expect to propose a simple strategy based on machine learning techniques to automatically evaluate the magnetic losses of non-grain-oriented electrical steels. Referências [1] B. D. Cullity, C. D. Graham, Introduction to magnetic materials, John Wiley &
Sons, 2011.
[2] A. J. Moses, Energy efficient electrical steels: Magnetic performance prediction and optimization, Scripta Materialia 67 (6) (2012) 560–565.
[3] C. M. Bishop, Pattern Recognition and Machine Learning, 3rd Edition, Springer, 2006.
[4] B. Scholkopf, A. J. Smola, Learning with kernels: Support vector machines, regularization, optimization, and beyond, MI press, 2002.
Proponente José Daniel de Alencar Santos Número de vagas 1
Identificador IA07
Título Understanding Graph Neural Networks
Resumo Graph neural networks (GNNs) have become prominent tools for a wide range of learning tasks on graphs. However, GNNs derive inspiration primarily from trending deep learning technology rather than building upon well-understood and theoretically sound machine learning techniques. The consequence is two-fold: first, GNNs often carry unnecessary complexity; second, GNNs are poorly understood. This project aims to unravel the key mechanisms behind the success of a variety of GNN architectures. To uncover these mechanisms, we will empirically analyze the interplay between graph properties and the performance of GNN architectures. As a result, we expect this project to lead to simple yet effective GNN designs, potentially dealing with large-scale graph data. We also expect to point researchers and practitioners towards effective design principles for successful GNNs.
Referências [1] W. L. Hamilton. Graph Representation Learning, Morgan and Claypool, 2020.
[2] F. Wu, T. Zhang, A. H. Souza, C. Fifty, T. Yu, K. Weinberger. Simplifying Graph Convolutional Networks, ICML, 2019.
[3] D. Mesquita, A. H. Souza, S. Kaski. Rethinking pooling in graph neural networks, NeurIPS, 2020.
[4] V. P. Dwivedi, C. K. Joshi, T. Laurent, Y. Bengio, X. Bresson. Benchmarking Graph Neural Networks, Arxiv e-prints, 2020.
Proponente Amauri Holanda Souza Jr. Número de vagas 2
Identificador IA08
Título Uso de visão computacional para aplicações de navegação
Resumo Visão computacional estuda teoria e tecnologia para a construção de sistemas artificiais que obtêm informação de imagens e auxiliam na tomada de decisões. O interesse no uso de imagens para navegação vem de dois aspectos: (1) a imagem é um dado simples de ser obtido, ao mesmo tempo que (2) é complexo para ser interpretado. Recentemente, diferentes propostas de DNN (Deep Neural Networks) têm surgido para atacar problemas de visão computacional. Paralelamente, há o desafio de usar algoritmos de visão em dispositivos vestíveis ou embarcados em pequenos robôs, já que eles podem consumir muitos recursos computacionais para obter bons resultados. Espera-se que esse projeto avalie DNN para uso em navegação e desenvolva mecanismos para seu uso em sistema com recursos limitados. Estão sendo consideradas aplicações de Robótica e Auxilio a pessoas com baixa visão. Referências [1] A. Loquercio, A. I. Maqueda, C. R. del and D. Scaramuzza, "Dronet:
Learning to fly by driving", IEEE Robotics and Automation Letters, vol. 3, no. 2, pp. 1088-1095, April 2018. https://doi.org/10.1109/LRA.2018.2795643.
[2] S. Wang, G. Ananthanarayanan, Y. Zeng, N. Goel, A. Pathania, and T. Mitra, “High-throughput CNN inference on embedded ARM Big.LITTLE multicore processors” IEEE Trans. Comput.-Aided Design Integr. Circuits
Syst., vol. 39, no. 10, pp. 2254–2267, Oct. 2020.
https://doi.org/10.1109/TCAD.2019.2944584.
[3] MOHAMMED, A.; SCHMIDT, B.; WANG, L. Active collision avoidance for human–robot collaboration driven by vision sensors. International Journal of Computer Integrated Manufacturing, v. 30, n. 9, p. 970–980, 2017.
Proponente Elias Teodoro da Silva Junior Geraldo Luis Bezerra Ramalho Número de vagas 3
2. Processamento de Sinais e Imagens
Identificador PDI01
Título Como a Matriz de Coocorrência Estrutural Descreve Estruturas em Imagens? Resumo A SCM (Spatial Co-occurrence Matrix) [1] é um método genérico de análise de
imagens que tem sido aplicado principalmente na extração de características estruturais de baixo nível em problemas de classificação de sinais elétricos e imagens. A SCM se mostrou comparável a métodos clássicos de extração de atributos, invariantes à rotação, porém muitas vezes apresentando melhor desempenho em aplicações de análise de imagens médicas, até mesmo em soluções envolvendo as Redes Neurais Convolucionais (CNN) [2,3]. A SCM original possui algumas características conhecidas que podem ser limitantes, dependendo do tipo de aplicação: i) é sensível a diferenças de amplitude dos sinais de entrada e ao seu nível DC; ii) exige que os sinais de entrada tenham a mesma dimensão espacial; iii) define um conjunto de atributos extraídos da matriz que limita seu desempenho; iv) por ser um método de análise global do sinal, isto muitas vezes limita seu desempenho quando o objeto da análise é muito menor do que o sinal de background. Além disso, a SCM ainda não foi devidamente explorada em aplicações de comparação de sinais como na análise referenciada ou não-referenciada da qualidade de imagens. Variações de uso da SCM foram propostas em [3,4], contudo seus parâmetros d (displacement), P (similarity property), Q (partitioning function), e k (degradation function) ainda não foram extensivamente explorados. Portanto, existe um amplo campo de abordagens, variações e aplicações que podem ser demonstradas experimentalmente por meio de pesquisa aplicada na análise de sinais e que ajudarão a responder à pergunta-título.
Referências [1] Ramalho, G. L. B., Ferreira, D. S., Rebouças Filho, P. P., Medeiros, F. N. S. Rotation-invariant feature extraction using a structural co-occurrence matrix. Measurement, v. 94, p. 406-415, 2016.
[2] Ferreira, D. S., Ramalho, G. L. B., Medeiros, F. N. S., Bianchi, A. G., Carneiro, C. M., Ushizima, D. M. Saliency-driven system with deep learning for cell image classification. In: IEEE International Symposium on Biomedical Imaging (ISBI), 2019. p. 1284-1287.
[3] Ferreira, D. S., Ramalho, G. L. B., Torres, D., Tobias, A. H., Rezende, M. T., Medeiros, F. N. S., Bianchi, A. G., Carneiro, C. M., Ushizima, D. M. Saliency-driven system models for cell analysis with deep learning. Computer Methods and Programs in Biomedicine, v. 182, p.105053, 2019.
[4] Medeiros, Elias P., Ferreira, Daniel S., Ramalho, Geraldo L. B. Texture Analysis Based on Structural Co-occurrence Matrix Improves the Colorectal Tissue Characterization. In Intelligent Systems (pp. 333–347). Springer International Publishing, 2020.
Proponente Geraldo Luis Bezerra Ramalho Número de vagas 2
Identificador PDI02
Título Desenvolvimento de métodos para segmentação e classificação de doenças em exames de Tomografia Computadorizada do tórax e do crânio
Resumo Este projeto visa propor novas técnicas de segmentação de órgãos humanos em duas e três dimensões, e também das estruturas internas a estes órgãos e de patologias associadas, utilizando imagens de Tomografia Computadorizada (TC), notadamente do tórax para a auxílio a diagnóstico de doenças pulmonares e do crânio para auxílio ao diagnóstico de doenças cerebrais. Este projeto também visa realizar a reconstrução dessas estruturas em três dimensões visando otimizar o tempo de uso do tomógrafo e de sua workstation, diminuindo os custos inerentes à compra e uso destes equipamentos, bem como aumentar a robustez e diminuir a subjetividade dos diagnósticos realizados. Esta reconstrução e a análise também permite o planejamento cirúrgico em ambas as áreas. Os resultados esperados são novas técnicas e implementações para aplicações de auxílio ao diagnóstico médico para análise do pulmão e do cérebro, além de auxiliar o médico especialista como ferramenta de auxílio ao diagnóstico médico. Existem diversas bases na literatura para validação das abordagens propostas, bem como construímos bases específicas junto à parceiros do Laboratório de Processamento Digital de Imagens, Sinais e Computação Aplicada (LAPISCO).
Referências [1] SARMENTO, ROGER M. ; VASCONCELOS, FRANCISCO F. X. ; REBOUCAS FILHO, PEDRO P. ; WU, WANQING ; DE ALBUQUERQUE, VICTOR HUGO C. . Automatic Neuroimage Processing and Analysis in Stroke - A Systematic Review. IEEE Reviews in Biomedical Engineering, v. 13, p. 130-155, 2020.
[2] OLIVARES, R. ; MUNOZ, R. ; REBOUCAS FILHO, PEDRO P. ; SER, J. ; SANTOS, M. ; ALBUQUERQUE, V. H. C. . Online Heart Monitoring Systems on the Internet of Health Things Environments: A Survey, a Reference Model and an Outlook. Information Fusion, v. 53, p. 222-239, 2020.
[3] Rebouças Filho, Pedro Pedrosa; Cortez, Paulo César ; DA SILVA BARROS, ANTÔNIO C. ; C. ALBUQUERQUE, VICTOR HUGO ; R. S. TAVARES, JOÃO MANUEL . Novel and powerful 3D adaptive crisp active contour method applied in the segmentation of CT lung images. Medical Image Analysis (Print), v. 35, p. 503-516, 2017.
[4] HAN, TAO ; IVO, ROBERTO F. ; RODRIGUES, DOUGLAS DE A. ; PEIXOTO, SOLON A. ; DE ALBUQUERQUE, VICTOR HUGO C. ; REBOUÇAS FILHO, PEDRO P. . Cascaded Volumetric Fully Convolutional Networks for Whole-Heart and Great Vessel 3D segmentation. Future Generation Computer Systems, v. 108, p. 198-209, 2020.
Proponente Pedro Pedrosa Rebouças Filho Número de vagas 4
3. Redes de Computadores e Sistemas Distribuídos
Identificador RCSD01
Título Computação em Névoa e Internet das Coisas para Agricultura 4.0
Resumo A crescente demanda por alimentos no mundo tem sido impulsionada pelo aumento e envelhecimento da população. O desenvolvimento da agricultura com uso controlado dos recursos é crucial desde que há interconexões indissociáveis entre os alimentos e água e energia. A agricultura 4.0 é um conjunto de tecnologias integradas e conectadas com o intuito de otimizar a produção agrícola em todas as suas etapas. Apesar da ampla utilização da Internet das Coisas (Internet of Things, IoT) na agricultura 4.0, a intermitência ou a falta de comunicação dos campos agrícolas com a Internet e a distância dos campos das infraestruturas de redes das cidades tem sido grandes desafios. Principalmente para as soluções IoT que são baseadas em arquiteturas de nuvem como infraestrutura para o processamento e a análise de dados visto que os problemas de comunicação do campo podem interferir nos dados enviados para a nuvem e gerar atrasos na tomada de decisão e nas respostas de comandos. A utilização da computação em névoa (fog computing) auxilia a superar alguns desses desafios do uso da computação em nuvem como plataforma de backend para a IoT. O conceito de computação em névoa visa fornecer uma camada intermediária entre os dispositivos IoT e a nuvem. Com a presença dos dispositivos de névoa, o envio de dados e a carga de computação na nuvem são reduzidos, uma vez que algumas das solicitações são processadas localmente. Apesar das vantagens potenciais do uso de computação em névoa como backend para IoT, existem vários desafios de pesquisa para serem investigados para a plena realização de tal paradigma na agricultura 4.0 e para alcançar os benefícios prometidos. Algumas questões dizem respeito (i) ao desenvolvimento de um modelo de virtualização para coisas que atendem simultaneamente aos requisitos de vários aplicações enquanto respeita as restrições de recursos dos dispositivos IoT; (ii) atribuição adequada e eficiente de tarefas para as diversas entidades dos níveis envolvidos no paradigma (coisas, névoa e nuvem) e; (iii) uso dos recursos de computação de nó da névoa para processamento e análise local dos dados. Nesse contexto, o objetivo deste projeto de pesquisa visa investigar e propor soluções para enfrentar esses desafios, para possibilitar a realização desse paradigma no domínio da agricultura 4.0.
Referências [1] G. S. Campos, N.; Rocha, A.R.; Gondim, R.; Coelho da Silva, T.L.; Gomes, D.G. Smart & Green: An Internet-of-Things Framework for Smart Irrigation. Sensors 2020, 20, 190.
[2] Terence, S, Purushothaman, G. Systematic review of Internet of Things in smart farming. Trans Emerging Tel Tech. 2020; 31:e3958. https://doi.org/10.1002/ett.3958
[3] M.J. O'Grady, D. Langton, G.M.P. O'Hare, Edge computing: A tractable model for smart agriculture?, Artificial Intelligence in Agriculture, v. 3, 2019, p. 42-51. [4] Carlos Kamienski, Juha-Pekka Soininen, Markus Taumberger, Attilio Toscano, Tullio Cinotti, Ramide Dantas, Rodrigo Maia, Andre Neto, and Fabio Furlan Ferreira. Smart water management platform: Iot-based precision irrigation for agriculture. Sensors, 19:276, 01 2019.
[5] P. L. Ramirez Izolan et al., "Low-Cost Fog Computing Platform for Soil Moisture Management," 2020 International Conference on Information Networking (ICOIN), Barcelona, Spain, 2020, pp. 499-504, doi: 10.1109/ICOIN48656.2020.9016572.
Proponente Atslands Rego da Rocha
Identificador RCSD02
Título Economia de Energia em Redes Sem Fio de Próxima Geração
Resumo A eficiência energética voltada para a redução do impacto dos recursos tecnológicos no meio ambiente é uma tendência mundial recente. Além da sensibilidade generalizada para as questões ecológicas, essas iniciativas também resultam de necessidades econômicas. Em particular, os custos de energia com infraestruturas de comunicações sem fio mostram uma tendência em crescimento contínuo em todo o mundo. Logo, não se pode mais negligenciar o comportamento dos nós que compõem as redes sem fio de próxima geração - tais como os smartphones, sensores IoT, roteadores etc - sem perspectivas claras em termos de eficiência energética. Neste projeto, propõe-se a pesquisa e o desenvolvimento de soluções para redes sem fio de próxima geração em nível lógico (ex.: desenvolvimento de protocolos de comunicação e métricas específicos que atendam peculiaridades de ambientes modernos de redes, como cidades inteligentes), assim como em nível físico (ex.: posicionamento físico dos dispositivos em um determinado ambiente). Pretende-se usar ambientes simulados e/ou testbed para validação das soluções propostas.
Referências [1] J. Light. Green Networking: A Simulation of Energy Efficient Methods. In: Procedia Computer Science, v. 171. 2020.
[2] C. Silva, Y. Oliveira, C. Celes, R. Braga and C. Oliveira. Performance Evaluation of Wireless Mesh Networks in Smart Cities Scenarios. In: EATIS, 2018.
[3] A. Rochim; B. Harijadi; Y. Purbanugraha; S. Fuad; K. Nugroho. Performance comparison of wireless protocol IEEE 802.11ax vs 802.11ac. In: International Conference on Smart Technology and Applications (ICoSTA), 2020.
[4] H. Arasteh, V. Hosseinnezhad, V. Loia, A. Tommasetti, O. Troisi, M. Shafie-khah, and P. Siano. Iot-based smart cities: A survey. In IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC). 2016.
Proponente Carina Teixeira de Oliveira Número de vagas 1
Identificador RCSD03
Título Exploring Artificial Intelligence Techniques on Smart Edge Devices
Resumo The fusion of edge computing and artificial intelligence (AI) technology is an enabler for the smart Internet of Things (IoT). Mixed low-precision quantization techniques and frameworks like TinyML have paved the way for a new variety of edge devices, which do not rely on the cloud to perform AI processing. However, running AI algorithms on simple edge devices is still challenging in terms of efficiency, power consumption, and firmware design. This project aims to evaluate the design of lightweight and energy-efficient AI algorithms on microcontrollers, as well as to explore new techniques to reduce the models' memory footprint and computation overhead. As a result, we expect to achieve promising results in terms of accuracy and computation performance.
Referências [1] A. Capotondi, M. Rusci, M. Fariselli and L. Benini, "CMix-NN: Mixed Low-Precision CNN Library for Memory-Constrained Edge Devices," in IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 67, no. 5, pp. 871-875, May 2020, doi: 10.1109/TCSII.2020.2983648.
[2] R. Sanchez-Iborra and A. F. Skarmeta, "TinyML-Enabled Frugal Smart Objects: Challenges and Opportunities," in IEEE Circuits and Systems Magazine, vol. 20, no. 3, pp. 4-18, thirdquarter 2020, doi: 10.1109/MCAS.2020.3005467.
[3] X. Wang, Y. Han, V. C. M. Leung, D. Niyato, X. Yan and X. Chen, "Convergence of Edge Computing and Deep Learning: A Comprehensive Survey," in IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 869-904, Secondquarter 2020, doi: 10.1109/COMST.2020.2970550.
Proponente Otávio Alcântara de Lima Júnior Número de vagas 2
Identificador RCSD04
Título Técnicas e Ferramentas para o Gerenciamento de Redes Blockchain
Resumo Nos últimos anos Blockchain tem sido apresentada como uma tecnologia disruptiva. Sua definição, embora seja expressa de modo bastante fragmentado na literatura atual, considera aspectos como ledgers descentralizados, redes peer-to-peer, transações confiáveis e seguras, entre outros termos. Vários tipos de aplicações suportadas por redes Blockchain têm sido reportadas nos últimos anos. Aplicações essas que vão desde as consagradas criptomoedas até sistemas nas áreas de educação e saúde. Contudo, a infraestrutura descentralizada das redes Blockchain introduz grandes desafios para sua adoção nos negócios atualmente. A necessidade de lidar com questões de escalabilidade, carência de padrões universais, complexos sistemas de consenso, entre outros, requer a atuação de profissionais altamente especializados para lidar com esses desafios. Nesse sentido, esse projeto visa estudar, propor e validar métodos, técnicas e ferramentas para o suporte ao gerenciamento de redes Blockchain. O objetivo maior dessa pesquisa é fornecer ferramentas que permitam que essa tecnologia seja adotada mais facilmente pelas organizações, minorando os investimentos necessários para implantar redes de Blockchain complexas. Referências [1] Frizzo-Barkera, J., Chow-Whitea, P. A., Adamsa, P. R., Mentankoa, J.,
Hab D., Greenc, S. (2020).Blockchain as a disruptive technology for business: A systematic review. International Journal of Information Management. Volume 51, April 2020, 102029. https://doi.org/10.1016/j.ijinfomgt.2019.10.014.
[2] Kasireddy, P. (2017). Blockchains don’t scale. Not today, at least. But there’s hope. Retrieved December 10, 2020, from Hacker Noon website:https://hackernoon.com/blockchains-dont-scale-not-today-at-least-but-t here-s-hope-2cb43946551a.
[3] Zalan, T. (2018). Born global on blockchain. Review of International
Business and Strategy, 28(1), 19–34.
https://doi.org/10.1108/RIBS-08-2017-0069.
[4] Hughes, L., Dwivedi, Y. K., Misra, S. K., Rana, N. P., Raghavan, V., Akella, V. (2019). Blockchain research, practice and policy: Applications, benefits, limitations, emerging research themes and research agenda. International
Journal of Information Management, 49, 114–129.
https://doi.org/10.1016/j.ijinfomgt.2019.02.005. Proponente Cidcley Teixeira de Souza
Identificador RCSD05
Título Usando informações espaço-temporais para identificar similaridade de interesses entre usuários em redes de próxima geração
Resumo O contexto deste projeto de pesquisa é voltado para a utilização de informações geradas por dispositivos móveis e seus sensores (ex.: GPS, acelerômetro, etc.) bem como informações existentes na rede (ex.: topologia lógica de uma rede sem fio, conteúdo de redes sociais, etc.) para oferecer serviços em cenários de redes de próxima geração. Em resumo, objetiva-se entender o comportamento do usuário móvel e encontrar padrões de mobilidade para oferecer serviços inteligentes nas redes de próxima geração. Para tornar isso possível, espera-se um estudo dos modelos de mobilidade e de captura de informações contidas na Internet e em redes urbanas para identificar similaridade de interesses entre usuários em redes de próxima geração. Esta proposta visa criar uma camada de serviços com o objetivo de gerar informações enriquecidas a partir de informações provenientes de diferentes fontes de dados. Consequentemente, a proposta proverá meios para auxiliar a execução de sistemas de recomendação, bem como o desenvolvimento de um grande número de aplicações móveis e sensíveis ao contexto em redes de próxima geração.
Referências [1] Akabane, A. T., Immich, R., Madeira, E. R. M., and Villas, L. A. (2018). imob: An intelligent urban mobility management system based on vehicular social networks. In 2018 IEEE Vehicular Networking Conference (VNC), pages 1–8.
[2] Ladeira, L. Z., de Souza, A. M., Pereira, G., Silva, Thiago Henrique, M. F. S., and Villas, L. (2019a). Martini: Towards a mobile and variable time window identification for spatio-temporal data. In IEEE Latin-American Conference on Communications, pages 1–10. IEEE.
[3] Santos, F. A., Rodrigues, D. O., Silva, T. H., Loureiro, A. A. F., Pazzi, R. W., and Villas, L. A. (2018). Context-aware vehicle route recommendation platform: Exploring open and crowdsourced data. In 2018 IEEE International Conference on Communications (ICC), pages 1–7.
[4] Lucas Zanco Ladeira, Allan Mariano de Souza, Heitor S. Ramos, Leandro Aparecido Villas, "GIN: Better going safe with personalized routes", Computers and Communications (ISCC) 2020 IEEE Symposium on, pp. 1-6, 2020. Proponente Reinaldo Bezerra Braga
4. Computação Aplicada
Identificador CA01Título Descrição automática de Imagens e Vídeos em Ambientes Virtuais de Aprendizagem
Resumo A Internet tornou-se amplamente popular, sendo capaz de alcançar diversos públicos. Entretanto, a acessibilidade para de Pessoas Com Deficiência (PCD), em especial a PCD Visual, ainda deixa muito a desejar, visto que grande parte do conteúdo disponível é exclusivamente gráfico e não incorporam recursos de acessibilidade como a audiodescrição. Diariamente, os PCD visuais sofrem com a violação de seu direito ao acesso à Internet, que é garantido pelo Art. 4º, inciso I do Marco Civil da Internet. Assim, descrever automaticamente conteúdo de imagens e cenas usando sentenças bem formuladas é uma tarefa importante para a inclusão de pessoas com deficiência na Internet. Todavia, realizar esse tipo de descrição, problema conhecido como image captioning, ainda é um grande desafio. Image captioning tem como objetivo descrever não apenas os objetos contidos na imagem, mas também a relação semântica entre eles. Dessa forma, além de métodos de interpretação visual, modelos linguísticos são necessários para expressar as questões semânticas descritas. Este projeto visa investigar técnicas para audiodescrição automática de imagens e cenas contidas nos Graphics Interchange Format e em pequenos vídeos. Os objetivos principais são: estudar e aplicar as arquiteturas de redes neurais para image captioning em ambientes de ensino remoto, melhorando a inclusão de PCD visual. Referências [1] Dhillon, A., Verma, G.K. Convolutional neural network: a review of models,
methodologies and applications to object detection. Prog Artif Intell 9, 85–112 (2020). https://doi.org/10.1007/s13748-019-00203-0
[2] Philip Kinghorn, Li Zhang, Ling Shao. A hierarchical and regional deep learning architecture for image description generation, Pattern Recognition Letters, Volume 119, 2019, Pages 77-85, ISSN 0167-8655.
[3] Chen, Shaoxiang, Ting Yao, and Yu-Gang Jiang. "Deep learning for video captioning: a review." Proceedings of the 28th International Joint Conference on Artificial Intelligence. AAAI Press, 2019
[4] Anderson, Peter, et al. "Spice: Semantic propositional image caption evaluation." European Conference on Computer Vision. Springer, Cham, 2016 Proponente Corneli Gomes Furtado Júnior.
Identificador CA02
Título Identificação de doenças e anomalias baseadas em imagens de ultrassom Resumo Este projeto visa propor novas técnicas de segmentação de órgãos humanos,
em duas dimensões, e de estruturas internas destes órgãos, bem como as patologias a eles associadas, utilizando imagens de ultrassonografia (US). O foco serão doenças renais e hepáticas podendo ao longo da pesquisa este leque ser aumentado. Os resultados esperados são novas técnicas e implementações para aplicações de auxílio ao diagnóstico médico visando a simplificação das análises, além de auxiliar o médico especialista na emissão de laudos. Faremos parceria com médicos e instituições para a construção de novas bases de avaliação, o que também será uma contribuição muito grande à comunidade científica. Teremos o apoio do Laboratório de Processamento Digital de Imagens, Sinais e Computação Aplicada (LAPISCO) nessas pesquisas.
Referências [1] C. M. J. M. Dourado, S. P. P. Da Silva, R. V. M. Da Nóbrega, P. P. R. Filho, K. Muhammad and V. H. C. De Albuquerque, "An Open IoHT-based Deep Learning Framework for Online Medical Image Recognition," in IEEE Journal on Selected Areas in Communications, doi: 10.1109/JSAC.2020.3020598. [2] P. R. Filho, P. C. Cortez, A. C. da Silva Barros, V. H. C. Albuquerque,and J. M. R. S. Tavares, “Novel and powerful 3d adaptive crisp activecontour method applied in the segmentation of CT lung images,”Medical Image Analysis, vol. 35, pp. 503–516, jan 2017.
[3] P. Pace, G. Aloi, R. Gravina, G. Caliciuri, G. Fortino, and A. Liotta, “Anedge-based architecture to support efficient applications for healthcareindustry 4.0,”IEEE Transactions on Industrial Informatics, pp. 1–1,2018.
[4] Carlos M.J.M. Dourado Jr, Suane Pires P. da Silva, Raul Victor M. da Nóbrega, Antonio Carlos da S. Barros, Pedro P. Rebouças Filho, Victor Hugo C. de Albuquerque, Deep learning IoT system for online stroke detection in skull computed tomography images, Computer Networks, Volume 152, 2019, Pages 25-39, ISSN 1389-1286, https://doi.org/10.1016/j.comnet.2019.01.019. Proponente Carlos Mauricio Jaborandy de Mattos Dourado Júnior
Identificador CA03
Título Integração de serviços na estratégia e-SUS
Resumo O Departamento de Atenção Básica (DAB) da Secretaria de Atenção à Saúde(SAS) do Ministério da Saúde (MS), como objetivo de incentivar o uso de tecnologias de informação e comunicação em saúde na Atenção Básica (AB), vem apoiando o desenvolvimento de tecnologias que atendam às necessidades de gestão da AB, em especial, nos processos de gestão do cuidado e gestão por resultados. Característica importante desse processo é a inversão do objetivo principal na construção das ferramentas e instrumentos que apóiam os processos de gestão. Esse projeto tem como foco as necessidades locais e da esfera municipal. Nessa perspectiva, entende-se que a melhoria e a qualificação do processo de trabalho das equipes de saúde da AB integradas às Redes de Atenção à Saúde devem trazer resultados significativos e promissores na gestão estadual e federal da AB. Nesse contexto, a Estratégia e-SUS AB busca, por meio dos Sistemas e-SUS AB, implementar essas tecnologias para tornar mais fácil o processo de trabalho das equipes de saúde e de gestão, reduzindo o tempo gasto com a burocracia do uso e a alimentação dos sistemas de informação em saúde que fazem interface com a AB.A estratégia busca, ainda garantir que o desenvolvimento das soluções avancem na adoção de padrões internacionais da área de informática em saúde, ampliando,com isso, a interoperabilidade entre os sistemas gerenciais da saúde e de outras áreas no município.Esse projeto tem por objetivo investigar, definir as limitações, propor melhorias e disponibilizar novos serviços para a estratégia e-SUS.
Referências [1] DIAS DE SOUZA, Josélia Batista; BORGES, Thiago Fernandes; FERNANDES-SOBRINHO, Marcos. Limitações acerca da implantação de softwares do Sistema Único de Saúde na Atenção Básica. Revista Sustinere, [S.l.], v. 8, n. 1, p. 44-65, jul. 2020. ISSN 2359-0424.
[2] ALMEIDA, Maria José Guedes Gondim et al . Discussão Ética sobre o Prontuário Eletrônico do Paciente. Rev. bras. educ. med., Rio de Janeiro , v. 40, n. 3, p. 521-527, Sept. 2016.
[3] BRASIL. Ministério da Saúde. Informativo e-SUS AB. Coordenação Estadual da Atenção Básica-Estratégia Saúde da Família/DAS/SES-RS, 2017. Disponível em:https://atencaobasica.saude.rs.gov.br/upload/arquivos/201701/11144305-infor mativo-e-sus-ab.pdf. Acesso em: 20 ago. 2018.
[4] ______. Ministério da Saúde. Secretaria-Executiva. Departamento de Monitoramento e Avaliação do SUS. Política Nacional de Informação e Informática em Saúde. Ministério da Saúde, Secretaria-Executiva, Departamento de Monitoramento e Avaliação do SUS. Brasília: Ministério da Saúde, 2016 a, 56 p.
Disponível em:
http://bvsms.saude.gov.br/bvs/publicacoes/politica_nacional_infor_informatica_sa ude_2016.pdf. Acesso em: 07 dez. 2020.
[5] ______. Ministério da Saúde. Secretaria de Atenção à Saúde. e-SUS Atenção Básica: Manual do Sistema com Coleta de Dados Simplificada: CDS – Versão 2.1 [recurso eletrônico] / Ministério da Saúde, Secretaria de Atenção à Saúde, Secretaria-Executiva. – Brasília: Ministério da Saúde, 2016 b, 171 p.
[6] ______. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Regulação, Avaliação e Controle. Sistemas de Informação da Atenção à Saúde: Contextos Históricos, Avanços e Perspectivas no SUS/Organização Pan-Americana da Saúde. Brasília, 2015, 166 p.
[7] ______. SIAB: manual do sistema de informação de atenção básica / Secretaria de Assistência à Saúde, Coordenação de Saúde da Comunidade. [8] _______. Brasília: Ministério da Saúde, 1998. 98 p.
Proponente Corneli Gomes Furtado Júnior.
Identificador CA04
Título Segurança e privacidade para a Internet das Coisas Médicas
Resumo O objetivo deste projeto é avaliar e desenvolver novas as ferramentas computacionais para garantir a segurança e privacidade dos dados clínicos de pacientes em um ambiente baseado em Internet das coisas, aqui chamado de Internet das Coisas Médicas (Internet of Medical Things - IoMT). Diferentes metodologias computacionais serão consideradas e validadas com o interesse de definir a arquitetura mais precisa para detectar possíveis anomalias e, consequentemente, evitar possíveis intrusões na plataforma IoT. Análise de precisão, tempo de detecção de anomalias/intrusões, latência, bem como a influência da quantidade de dispositivos conectados, serão considerados na validação do sistema proposto, tendo como embasamento a Lei Geral de Proteção de Dados (LGPD), na qual aborda questões relativas à segurança dos dados.
Referências [1] N. Magaia, R. Fonseca, K. Muhammad, A. H. F. N. Segundo, A. V. L. Neto and V. H. C. de Albuquerque, "Industrial Internet of Things Security enhanced with Deep Learning Approaches for Smart Cities," in IEEE Internet of Things Journal, doi: 10.1109/JIOT.2020.3042174.
[2] S. A. Parah et al., "Efficient Security and Authentication for Edge-based Internet of Medical Things," in IEEE Internet of Things Journal, doi: 10.1109/JIOT.2020.3038009.
[3] S. Pirbhulal, W. Wu, K. Muhammad, I. Mehmood, G. Li and V. H. C. de Albuquerque, "Mobility Enabled Security for Optimizing IoT based Intelligent Applications," in IEEE Network, vol. 34, no. 2, pp. 72-77, March/April 2020, doi: 10.1109/MNET.001.1800547.
[4] Kelton A.P. da Costa, João P. Papa, Celso O. Lisboa, Roberto Munoz, Victor Hugo C. de Albuquerque, Internet of Things: A survey on machine learning-based intrusion detection approaches, Computer Networks, Volume
151, 2019, Pages 147-157, ISSN 1389-1286,
https://doi.org/10.1016/j.comnet.2019.01.023.
Proponente Carlos Mauricio Jaborandy de Mattos Dourado Júnior Número de vagas 2
Identificador CA05
Título SmartRES - Uma plataforma IoT para Monitoramento Inteligente em Saúde e interoperabilidade de Registro Eletrônicos de Saúde (RES)
Resumo O Ministério da Saúde no Brasil lançou o conceito de Conjunto Mínimo de Dados (CMD), ferramenta que integrara o registro dos dados do paciente em um layout único. Por outro lado, os planos de saúde de privados têm adotado diferentes abordagens na implantação dos Registros Eletrônicos de Saúde (RES), utilizando diferentes padrões de interoperabilidade semântica. Nesse contexto, o SmartRES propõem uma plataforma inteligente de gestão em saúde, baseada em Machine Learning, que permitirá a interoperabilidade de diferentes RES públicos e privados. Com o SmartRES as informações clínicas de um usuário poderão ser acessadas a qualquer hora e de qualquer local por uma pulseira IoT (sinais vitais), alertando o usuário na prevenção e predição de problemas clínicos a partir do cruzamento destas informações com seu histórico clínico e com padrões dados em Big Datas, em tempo real.
Referências [1] Gomes, F., Freitas, R., Ribeiro, M., Moura, C., Andrade, O., and Oliveira, M. (2019). Girls, a gateway for interoperability of electronic health record in low-cost system. In 2019 IEEE International Conference on E-health Networking, Application & Services (HealthCom), pages 1–6. IEEE.
[2] Gomes, F., Paiva, J., Bezerra, A., Moura, C., Oliveira, M., and Andrade, O. (2018). Marcia: Applied clinical record management: Eletronic health record applied with ehrserver. In 2018 IEEE 20th International Conference on e-Health Networking, Applications and Services (Healthcom), pages 1–6. IEEE.
[3] Safran, C. and Perreault, L. E. (2011). Management of information in integrated delivery networks. In Medical Informatics, pages 359–396. Springer. [4] Valter, R., Santiago, S., Ramos, R., Oliveira, M., Andrade, L. O. M., and de HC Barreto, I. C. (2019). Data mining and risk analysis supporting decision in brazilian public health systems. In 2019 IEEE International Conference on E-health Networking, Application & Services (HealthCom), pages 1–6. IEEE. Proponente Mauro Oliveira
