Mineração de registros multimodais: descoberta explicável de padrões e anomalias

• Processo: 21/11403-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de fevereiro de 2022
• Data de Término da vigência: 31 de janeiro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Marco Antonio Gutierrez
• Beneficiário: Mirela Teixeira Cazzolato
• Supervisor: Christos Faloutsos
• Instituição Sede: Instituto do Coração Professor Euryclides de Jesus Zerbini (INCOR). Hospital das Clínicas da Faculdade de Medicina da USP (HCFMUSP). Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
• Instituição Anfitriã: Carnegie Mellon University (CMU), Estados Unidos
• Vinculado à bolsa: 20/11258-2 - Consultas por similaridade e interoperabilidade em bases de dados médicos, BP.PD
• Assunto(s): Análise de dados Dados complexos Grafos Imagens Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Análise de Dados | dados complexos | grafos | Imagens | Padrões explicáveis | Séries Temporais | Bases de dados e descoberta de padrões

Resumo

A descoberta de anomalias e padrões é essencial para diversas aplicações e áreas, tais como na detecção de COVID-19 em Raio-X de tórax e na detecção de fraturas em ressonâncias magnéticas para aplicações médicas, bem como em aplicações de crédito financeiro e na detecção de robôs em redes sociais. A abordagem de mineração é dependente de aplicação, e os padrões descobertos devem ser mostrados a especialistas por meio de ferramentas apropriadas, de modo a aumentar a explicabilidade e compreensão, usualmente tirando vantagem de metáforas visuais. Nessa proposta de estágio, objetiva-se explorar dados multimodais provenientes de diversos cenários de aplicação e tipos (como imagens, grafos, registros médicos eletrônicos e transações financeiras) por meio da proposta de métodos modulares, escaláveis e explicativos. O estágio será realizado na Universidade Carnegie Mellon (CMU), EUA. Os objetivos atendem aos interesses tanto do projeto temático da FAPESP "MIVisBD (Mining, Indexing and Visualizing Big Data in Clinical Decision Support Systems)", como da pesquisa realizada na CMU pelo supervisor e co-supervisora. (AU)

Publicações científicas

(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)

CAZZOLATO, MIRELA T.; GUTIERREZ, MARCO ANTONIO; TRAINA, CACTANO, JR.; FALOUTSOS, CHRISTOS; TRAINA, AGMA J. M.; ALMEIDA, JR; SPILIOPOULOU, M; ANDRADES, JAB; PLACIDI, G; GONZALEZ, AR; et al. Exploratory Data Analysis in Electronic Health Records Graphs: Intuitive Features and Visualization Tools. 2023 IEEE 36TH INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS, CBMS, v. N/A, p. 6-pg., 2023-01-01. (16/17078-0, 21/11403-5, 20/11258-2)

RAMOS, JONATHAN S.; DE AGUIAR, ERIKSON J.; BELIZARIO, IVAR, V; COSTA, MARCUS V. L.; MACIEL, JAMILLY G.; CAZZOLATO, MIRELA T.; TRAINA, CAETANO, JR.; NOGUEIRA-BARBOSA, MARCELLO H.; TRAINA, AGMA J. M.; SHEN, L; et al. Analysis of vertebrae without fracture on spine MRI to assess bone fragility: A Comparison of Traditional Machine Learning and Deep Learning. 2022 IEEE 35TH INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS (CBMS), v. N/A, p. 6-pg., 2022-01-01. (21/02412-0, 20/11258-2, 16/17078-0, 21/11403-5, 21/00360-3, 21/08982-3, 18/04266-9)

CAZZOLATO, MIRELA; VIJAYAKUMAR, SARANYA; LEE, MENG-CHIEH; VAJIAC, CATALINA; PARK, NAMYONG; FIDALGO, PEDRO; TRAINA, AGMA J. M.; FALOUTSOS, CHRISTOS. CALLMINE: Fraud Detection and Visualization of Million-Scale Call Graphs. PROCEEDINGS OF THE 32ND ACM INTERNATIONAL CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT, CIKM 2023, v. N/A, p. 7-pg., 2023-01-01. (16/17078-0, 21/11403-5, 20/11258-2, 20/07200-9)