Busca avançada
Ano de início
Entree

Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)

Processo: 16/17078-0
Linha de fomento:Auxílio à Pesquisa - Temático
Vigência: 01 de setembro de 2017 - 31 de agosto de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Agma Juci Machado Traina
Beneficiário:Agma Juci Machado Traina
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Pesquisadores principais:Caetano Traina Junior ; Marco Antonio Gutierrez ; Paulo Mazzoncini de Azevedo Marques
Pesq. associados:André Guilherme Ribeiro Balan ; Christos Faloutsos ; Eneida A. Mendonça ; Fabio Antero Pires ; Joaquim Cezar Felipe ; Joe Tekli ; José Eduardo Krieger ; José Fernando Rodrigues Júnior ; Juan P. Casas ; Marcel Koenigkam Santos ; Marcela Xavier Ribeiro ; Marcello Henrique Nogueira-Barbosa ; Marina de Fátima de Sá Rebelo ; Ramon Alfredo Moreno ; Rangaraj Mandayam Rangayyan ; Renato Bueno ; Richard Chbeir ; Robson Leonardo Ferreira Cordeiro ; Sameer Antani ; Solange Oliveira Rezende ; Thomas Martin Deserno ; Umberto Tachinardi
Auxílios(s) vinculado(s):20/07200-9 - Analisando dados complexos vinculados a COVID-19 para apoio à tomada de decisão e prognóstico, AP.R
19/20784-2 - III international clinical engineering and health technology management Congress (ICEHTMC 2019), AR.EXT
19/06560-4 - 23rd International Conference information Visualisation, AR.EXT
18/07765-6 - Visão computacional e reconhecimento de padrão para identificação de biomarcadores radiômicos, AV.EXT
Bolsa(s) vinculada(s):19/04660-1 - Consolidando métodos de aprendizado de máquina no contexto do MIVisBD, BP.TT
18/19533-2 - Biomarcadores diagnósticos, prognósticos e preditivos do câncer de pulmão baseados em radiômica: investigação de técnicas de aprendizado profundo para medicina de precisão, BP.PD
17/08376-0 - Análise e aperfeiçoamento de sistemas urbanos por meio de mapas digitais representados por redes complexas, BP.DR
+ mais bolsas vinculadas 18/24414-2 - Ambiente para integração de técnicas para a extração de características e bases de dados complexos para o projeto MIVisBD, BP.TT
17/23780-2 - Recuperação por conteúdo de imagens médicas para apoio a decisão clínica usando a abordagem radiômica, BP.DR
18/11424-0 - Criação de uma infraestrutura de armazém de dados para análise visual voltada à saúde, BP.TT
18/06074-0 - Content-Based Image Retrieval using selective visual attention, BP.PD
18/06228-7 - Detecção de padrões e anomalias em dados médicos usando Modelagem Matemática, BP.PD
17/24407-3 - Criação de uma infraestrutura de banco de dados para auxiliar estudos de radiômica, BP.TT
17/21512-0 - Avaliação de técnicas de junção por similaridade em fluxos de dados: estudo de caso na análise financeira, BP.IC - menos bolsas vinculadas
Assunto(s):Bases de dados  Big data  Mineração de dados  Consultas por similaridade  Processamento de imagens  Tomada de decisão  Registros médicos  Sistemas computadorizados de registros médicos 

Resumo

Hoje, quase todas as atividades humanas geram e/ou demandam armazenar e processar conjuntos de dados cada vez maiores, que muitas vezes são diversos e complexos. Esse cenário de crescimento vertiginoso, que ocorre tanto no meio científico, acadêmico, empresarial e até mesmo nas atividades de lazer, demanda novos métodos eficientes para organização e acesso. Tal cenário está sendo chamado como a "era do big data". Atividades e sistemas relacionados à saúde estão no centro desse cenário, pois produzem grandes quantidades de dados diversificados e complexos. É importante que avancemos tecnologicamente, de modo a nos beneficiarmos desse volume de dados para ampliar o conhecimento das áreas, de modo, por exemplo, a apoiar o processo de tomada de decisão. Esse apoio à decisão em sistemas complexos está cada vez mais orientado pelas informações extraídas e o que se aprende desses grandes volumes de dados. Em um ambiente clínico, os Registros Eletrônicos dos Pacientes (REP) constituem uma plataforma propícia ao desenvolvimento de estratégias para extração de informações dos pacientes, seus perfis e mesmo de grupos que possuem uma mesma casuística. Neste projeto, pretende-se integrar suportes inovadores de bancos de dados, processamento de imagens e métodos de análise visuais de dados com base em REPs e repositórios de dados clínicos para reunir informações valiosas e significativas para a tomada de decisões que apoiem o diagnóstico e tratamento de pacientes. O tamanho e a complexidade das bases de dados de REPs oferecem grandes desafios de processamento, tanto em termos de desenvolvimento e aplicação de técnicas de análise e de extração de conhecimento, quanto ao apoio ao desenvolvimento de ferramentas práticas para uso clínico. No entanto, também incorporam uma infinidade de oportunidades para criar algoritmos e métodos capazes de exibir informações relevantes relacionadas com um paciente particular ou grupos de pacientes, que estariam usualmente ocultas pelo grande volume de dados. Além disso, uma manipulação eficiente desses dados possui alto potencial para tornar os REPs em uma plataforma mais eficaz para apoiar os profissionais de saúde, lidando com aplicações médicas de rápida demanda bem como decisões governamentais estratégicas em saúde. Neste projeto iremos desenvolver métodos e algoritmos que serão materializados em uma plataforma modular a ser disponibilizada para a comunidade da área, apoiando o cotidiano da tomada de decisões em sistemas de saúde. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Pós-doutorado em mineração de dados na USP de São Carlos 
Ferramenta para análise de big data auxilia tomada de decisão na área médica 
Artigos de pesquisadores do ICMC-USP são premiados em conferência internacional 
Pós-doutorado em ciência da computação com Bolsa da FAPESP 
Matéria(s) publicada(s) em Outras Mídias (6 total):
Mais itensMenos itens
Revista Controle & Instrumentação: Ferramenta para análise de Big Data (01/Fev/2020)
Nossa São Carlos: Ferramenta para análise de big data auxilia tomada de decisão na área médica (06/Dez/2019)
Brasil CT&I: Ferramenta para análise de big data auxilia tomada de decisão na área médica (04/Dez/2019)
Jornal Dia Dia: Ferramenta para análise de big data auxilia tomada de decisão na área médica (04/Dez/2019)
Portal da Enfermagem: Ferramenta para análise de big data auxilia tomada de decisão na área médica (03/Dez/2019)
Sala de Imprensa ICMC-USP: Ferramenta para análise de big data auxilia tomada de decisão na área médica (03/Dez/2019)

Publicações científicas (16)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
SUNDERMANN, CAMILA VACCARI; DE PADUA, RENAN; TONON, VITOR RODRIGUES; MARCACINI, RICARDO MARCONDES; DOMINGUES, MARCOS AURELIO; REZENDE, SOLANGE OLIVEIRA. A context-aware recommender method based on text and opinion mining. EXPERT SYSTEMS, AUG 2020. Citações Web of Science: 1.
CHINO, DANIEL Y. T.; SCABORA, LUCAS C.; CAZZOLATO, MIRELA T.; JORGE, ANA E. S.; TRAINA-, JR., CAETANO; TRAINA, AGMA J. M. Segmenting skin ulcers and measuring the wound area using deep convolutional networks. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 191, JUL 2020. Citações Web of Science: 1.
MAGALHAES TENORIO, ARIANE PRISCILLA; FALEIROS, MATHEUS CALIL; FERREIRA JUNIOR, JOSE RANIERY; DALTO, VITOR FAEDA; ASSAD, RODRIGO LUPPINO; LOUZADA-JUNIOR, PAULO; YOSHIDA, HIROYUKI; NOGUEIRA-BARBOSA, MARCELLO HENRIQUE; DE AZEVEDO-MARQUES, PAULO MAZZONCINI. A study of MRI-based radiomics biomarkers for sacroiliitis and spondyloarthritis. INTERNATIONAL JOURNAL OF COMPUTER ASSISTED RADIOLOGY AND SURGERY, JUN 2020. Citações Web of Science: 0.
MONTEIRO OLIVEIRA, JADSON JOSE; FERREIRA CORDEIRO, ROBSON LEONARDO. Unsupervised dimensionality reduction for very large datasets: Are we going to the right direction?. KNOWLEDGE-BASED SYSTEMS, v. 196, MAY 21 2020. Citações Web of Science: 0.
FALEIROS, MATHEUS CALIL; NOGUEIRA-BARBOSA, MARCELLO HENRIQUE; DALTO, VITOR FAEDA; FERREIRA JUNIOR, JOSE RANIERY; MAGALHAES TENORIO, ARIANE PRISCILLA; LUPPINO-ASSAD, RODRIGO; LOUZADA-JUNIOR, PAULO; RANGAYYAN, RANGARAJ MANDAYAM; DE AZEVEDO-MARQUES, PAULO MAZZONCINI. Machine learning techniques for computer-aided classification of active inflammatory sacroiliitis in magnetic resonance imaging. ADVANCES IN RHEUMATOLOGY, v. 60, n. 1 MAY 7 2020. Citações Web of Science: 1.
BLANCO, GUSTAVO; TRAINA, AGMA J. M.; TRAINA JR, CAETANO; AZEVEDO-MARQUES, PAULO M.; JORGE, ANA E. S.; DE OLIVEIRA, DANIEL; BEDO, MARCOS V. N. A superpixel-driven deep learning approach for the analysis of dermatological wounds. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 183, JAN 2020. Citações Web of Science: 2.
GIUNTINI, FELIPE T.; CAZZOLATO, MIRELA T.; DOS REIS, MARIA DE JESUS DUTRA; CAMPBELL, ANDREW T.; TRAINA, AGMA J. M.; UEYAMA, JO. A review on recognizing depression in social networks: challenges and opportunities. JOURNAL OF AMBIENT INTELLIGENCE AND HUMANIZED COMPUTING, JAN 2020. Citações Web of Science: 0.
MATHEUS CALIL FALEIROS; MARCELLO HENRIQUE NOGUEIRA-BARBOSA; VITOR FAEDA DALTO; JOSÉ RANIERY FERREIRA JÚNIOR; ARIANE PRISCILLA MAGALHÃES TENÓRIO; RODRIGO LUPPINO-ASSAD; PAULO LOUZADA JUNIOR; RANGARAJ MANDAYAM RANGAYYAN; PAULO MAZZONCINI DE AZEVEDO-MARQUES. Machine learning techniques for computer-aided classification of active inflammatory sacroiliitis in magnetic resonance imaging. ADVANCES IN RHEUMATOLOGY, v. 60, p. -, 2020.
BRINIS, SAFIA; TRAINA, JR., CAETANO; TRAINA, AGMA J. M. Hollow-tree: a metric access method for data with missing values. JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, v. 53, n. 3, SI, p. 481-508, DEC 2019. Citações Web of Science: 0.
TRAINA, AGMA J. M.; BRINIS, SAFIA; PEDROSA, V, GLAUCO; AVAIHAIS, LETRICIA P. S.; TRAINA JR, CAETANO. Querying on large and complex databases by content: Challenges on variety and veracity regarding real applications. INFORMATION SYSTEMS, v. 86, p. 10-27, DEC 2019. Citações Web of Science: 0.
FERREIRA-JUNIOR, JOSE RANIERY; KOENIGKAM-SANTOS, MARCEL; MAGALHAES TENORIO, ARIANE PRISCILLA; FALEIROS, MATHEUS CALIL; GARCIA CIPRIANO, FEDERICO ENRIQUE; FABRO, ALEXANDRE TODOROVIC; NAPPI, JANNE; YOSHIDA, HIROYUKI; DE AZEVEDO-MARQUES, PAULO MAZZONCINI. CT-based radiomics for prediction of histologic subtype and metastatic disease in primary malignant lung neoplasms. INTERNATIONAL JOURNAL OF COMPUTER ASSISTED RADIOLOGY AND SURGERY, NOV 2019. Citações Web of Science: 0.
OLIVEIRA, PAULO H.; SCABORA, LUCAS C.; CAZZOLATO, MIRELA T.; OLIVEIRA, WILLIAN D.; PAIXAO, RAFAEL S.; TRAINA, AGMA J. M.; TRAINA, CAETANO. Employing Domain Indexes to Efficiently Query Medical Data From Multiple Repositories. IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS, v. 23, n. 6, p. 2220-2229, NOV 2019. Citações Web of Science: 1.
SPADON, GABRIEL; DE CARVALHO, ANDRE C. P. L. F.; RODRIGUES-JR, JOSE F.; ALVES, LUIZ G. A. Reconstructing commuters network using machine learning and urban indicators. SCIENTIFIC REPORTS, v. 9, AUG 13 2019. Citações Web of Science: 0.
CAZZOLATO, MIRELA T.; SCABORA, LUCAS C.; NESSO-JR, MARCOS R.; MILANO-OLIVEIRA, LUIS F.; COSTA, ALCEU F.; KASTER, DANIEL S.; KOENIGKAM-SANTOS, MARCEL; DE AZEVEDO-MARQUES, PAULO MAZZONCINI; TRAINA-JR, CAETANO; TRAINA, AGMA J. M. dp-BREATH: Heat maps and probabilistic classification assisting the analysis of abnormal lung regions. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 173, p. 27-34, MAY 2019. Citações Web of Science: 2.
SINOARA, ROBERTA A.; CAMACHO-COLLADOS, JOSE; ROSSI, RAFAEL G.; NAVIGLI, ROBERTO; REZENDE, SOLANGE O. Knowledge-enhanced document embeddings for text classification. KNOWLEDGE-BASED SYSTEMS, v. 163, p. 955-971, JAN 1 2019. Citações Web of Science: 4.
SPADON, GABRIEL; BRANDOLI, BRUNO; ELER, DANILO M.; RODRIGUES-, JR., JOSE F. Detecting multi-scale distance-based inconsistencies in cities through complex-networks. JOURNAL OF COMPUTATIONAL SCIENCE, v. 30, p. 209-222, JAN 2019. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.