CV Lattes
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Faculdade de Medicina de Ribeirão Preto (FMRP) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Bacharel em Computação com ênfase em Banco de Dados pela Universidade de São Paulo (USP). Mestre e Doutor em Ciências de Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação (ICMC-USP). Possui Pós-Doutoramento junto ao Departamento de Imagens Médicas, Hematologia e Oncologia Clínica da Faculdade de Medicina de Ribeirão Preto (FMRP-USP), com estágio curto junto ao 3D Imaging Research Lab, MGH, Harvard University - Boston/US. Atualmente é Professor Adjunto do Instituto de Computação da Universidade Federal Fluminense (IC/UFF), atuando nos cursos de Graduação e como Docente Permanente do Programa de Pós-Graduação em Computação (PGC-IC/UFF). Desde 2024, é bolsista Jovem Cientista do Nosso Estado da FAPERJ (JCNE/FAPERJ) e também atua como colaborador consultor junto a Wikki Brasil/FEC UFF em projetos aplicados de big data e engenharia de dados. Tópicos de pesquisa de interesse abrangem o projeto de sistemas de Recuperação de Imagens por Conteúdo (CBIR), incluindo a análise de Imagens Médicas de diversas modalidades, técnicas de Aprendizado de Máquina e, principalmente, aspectos teóricos e de aplicação de Consultas por Similaridade. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Explorar grandes repositórios de dados médicos com critérios baseados em distância é particularmente difícil sempre que os objetos consultados estiverem muito próximos entre si. Por exemplo, estudos prévios sugerem que recuperar imagens muito parecidas pode prejudicar tanto a semântica quanto a aplicabilidade de programas de Recuperação de Imagens Médicas por Conteúdo (CBIR). A principal …
A complexidade dos dados armazenados em grandes bases de dados vem aumentando, gerando a necessidade de novas formas de consulta. Consultas por Similaridade vêm apresentando interesse crescente para tratar dados complexos, sendo as mais representativas a consulta por Abrangência (Range query) e a consulta aos k-Vizinhos mais Próximos (Nearest Neighboor query). Até recentemente, essas cons…
| 2 | Bolsas no país concluídas |
| Processos vinculados | |