https://hdl.handle.net/1884/39739 2026-06-27T11:17:05Z https://hdl.handle.net/1884/96095 Classificação do aumento do átrio esquerdo em radiografias caninas utilizando inteligência artificial Resumo: A doença mixomatosa da válvula mitral (DMVM) representa cerca de 75% dos casos de doenças cardíacas diagnosticadas em cães. Ela consiste na degeneração da válvula mitral, frequentemente evoluindo para um quadro de regurgitação mitral e insuficiência cardíaca congestiva. Um dos principais elementos para seu diagnóstico é a radiografia torácica, na qual são observados elementos como a presença de aumento do átrio esquerdo. Contudo, este é um tipo de exame que exige conhecimento específico do profissional veterinário para sua interpretação, sendo que muitas vezes as clínicas veterinárias não possuem a disponibilidade deste serviço. Isto, além do grande volume de radiografias realizadas diariamente, pode resultar em diagnósticos errôneos. Sendo assim, o objetivo deste trabalho foi desenvolver um modelo capaz de detectar automaticamente o aumento do átrio esquerdo em radiografias de cães, a fimdecolaborar com o diagnóstico da DMVM. Para tal, realizou-se o treinamento e análise de algoritmos de aprendizado profundo através da implementação de variados modelos de redes neurais convolucionais (CNNs) e de vision transformers (ViTs). Para treinar estas redes, confeccionou-se um dataset de radiografias torácicas latero laterais de cães contendo pacientes normais (n=290) e com átrio esquerdo aumentado (n=160). Além das imagens originais, foram utilizadas técnicas de aumento de dados para extrapolar a quantidade de amostras. Para a avaliação dos resultados foram adotadas a metodologia de validação cruzada (5-folds) e as métricas acurácia, precisão, sensibilidade, especificidades, F-score e área sob a curva característica de operação do receptor (AUC). Para o cenário apresentado neste trabalho, as CNNs tiveram performace superior aos ViTs na maioria das métricas. O melhor F-score foi obtido pela VGG19 (0,8808 ± 0,0332) e o melhor AUC pela InceptionV3 (0,8976 ± 0,0383), ambos os casos com aumento de dados. Com estes e os demais resultados, foram construídos diferentes ensembles de modelos. Entre eles, o melhor resultado foi atingido pelo ensemble composto pelas redes InceptionV3, VGG19 e DenseNet-121, todas com aumento de dados, o qual resultou em um F-score de 0,8892 ± 0,0371 e um AUC de 0,9099 ± 0,0508. Isto é, a combinação resultou em um classificador mais equilibrado na detecção de verdadeiros positivos, minimizando os resultados falsos positivos, superando os demais modelos.; Abstract: The myxomatous mitral valve disease (MMVD) accounts for approximately 75% of diagnosed cases of heart diseases in dogs. It consists of the degeneration of the mitral valve, often progressing to mitral regurgitation and congestive heart failure. One of the main elements for its diagnosis is chest radiography, which can assess the presence of characteristics such as the enlarged left atrium. However, this type of analysis requires specific expertise, and many veterinary clinics may lack this service. This, in combination with the high volume of X-rays generated daily, can often result in misdiagnosis. Thus, this study aims to develop a system capable of automatically detecting an enlarged left atrium in dog chest X-rays, contributing to the diagnosis of MMVD. We implemented deep learning algorithms using the artificial neural network architectures to achieve that. To train these networks, we created a dataset of lateral chest X-rays, comprising normal patients (n=290) and those with an enlarged left atrium (n=160). In addition to the original images, we employed data augmentation techniques to extrapolate the sample size. For evaluation, we adopted a 5-fold cross-validation methodology and analyzed the accuracy, precision, sensitivity, specificity, F-score, and area under the receiver operating characteristic curve (AUC) metrics. In this study, CNNs outperformed ViTs across most metrics. The highest F-score was achieved by VGG19 (0.8808 ± 0.0332), and the highest AUC by InceptionV3 (0.8976 ± 0.0383), both with data augmentation. With these and the other trained models, we constructed different ensembles. Among them, the best performance was obtained by an ensemble comprising InceptionV3, VGG19, and DenseNet-121 (all with data augmentation) resulting in an F-score of 0.8892 ± 0.0371 and an AUC of 0.9099 ± 0.0508. This combination produced a more balanced classifier for detecting true positives while minimizing false positives, surpassing the performance of all other trained models in these metrics Orientador: Prof. Dr. Lucas Ferrari de Oliveira; Banca: Lucas Ferrari de Oliveira (Presidente da Banca), Mauren Abreu de Souza, Tilde Rodrigues Froes, Eduardo Todt; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 29/01/2025; Inclui referências 2025-01-01T00:00:00Z https://hdl.handle.net/1884/105210 Identity-preserving face super-resolution for robust recognition with diffusion models Resumo: Sistemas de reconhecimento facial apresentam alto desempenho em condições controladas, mas sua acurácia é substancialmente reduzida em cenários reais de vigilância, onde as imagens faciais possuem baixa resolução e são afetadas por diversas degradações. A super-resolução tem sido adotada como uma estratégia de pré-processamento; no entanto, a maioria desses métodos é otimizada para fidelidade visual em vez de desempenho de reconhecimento, o que pode levar a distorções nos embeddings de identidade. Esta tese investiga a super-resolução facial com preservação de identidade utilizando modelos de difusão. Partimos da hipótese de que tratar a super-resolução como um problema de reconstrução determinístico, combinado com a otimização para objetivos em nível de pixel ou métricas perceptuais, leva a distorções sistemáticas nos embeddings de identidade. Para abordar essa limitação, desenvolvemos estratégias que incorporam informações de identidade ao processo de reconstrução e levam em conta a incerteza inerente ao problema. Propomos abordagens complementares. Inicialmente, introduzimos o SDE-SR (Stochastic Differential Equation-based Super-Resolution), um modelo de super-resolução baseado em difusão. Em seguida, propomos o SRDG (Super-Resolution with Diffusion Guidance), que incorpora atributos biométricos suaves por meio de classifier guidance. Posterior mente, o FASR++ (Feature Aggregation Super-Resolution++) combina embeddings de identidade provenientes de múltiplas observações de baixa resolução antes da reconstrução, fortalecendo o sinal de condicionamento. Por fim, o LSR (Lévy-based Super-Resolution) emprega difusão baseada em processos de Lévy para gerar múltiplas reconstruções plausí veis e realiza a agregação no espaço de embeddings, reduzindo o viés de reconstrução e aumentando a robustez. Os resultados experimentais mostram melhorias consistentes no desempenho de reconhecimento sob degradação de resolução. Esses achados indicam que a super-resolução facial voltada ao reconhecimento requer a priorização da consistência dos embeddings e o tratamento da ambiguidade de reconstrução; Abstract: Face recognition systems achieve high performance under controlled conditions, but their accuracy is substantially reduced in real-world surveillance scenarios, where facial images have low resolution and are affected by various degradations. Super-resolution has been adopted as a preprocessing strategy; however, most of these methods are optimized for visual fidelity rather than recognition performance, which can lead to distortions in identity embeddings. This thesis investigates identity-preserving face super-resolution using diffusion models. We hypothesize that treating super-resolution as a deterministic reconstruction problem, combined with optimization for pixel-level or perceptual objectives, leads to systematic distortions in identity embeddings. To address this, we develop strategies that incorporate identity information into the reconstruction process and account for the inherent uncertainty of the problem. We propose complementary approaches. We first introduce SDE-SR (Stochastic Differential Equation-based Super-Resolution), a diffusion-based super-resolution framework. We then propose SRDG (Super-Resolution with Diffusion Guidance), which incorporates soft biometric attributes through classifier guidance. Next, FASR++ (Feature Aggregation Super-Resolution++) combines identity embeddings from multiple low-resolution observations prior to reconstruction, strengthening the conditioning signal. Finally, LSR (Lévy-based Super-Resolution) employs Lévy-driven diffusion to generate multiple plausible reconstructions and performs aggregation at the embedding level, reducing reconstruction bias and improving robustness. The experimental results show consistent improvements in the recognition performance under resolution degradation. These findings indicate that effective face super-resolution for recognition requires prioritizing embedding consistency and accounting for reconstruction ambiguity Orientador: David Menotti Gomes; Coorientadores: João Carlos Raposo Neves e Hugo Pedro Martins Carriço Proença; Banca: David Menotti Gomes (Presidente da Banca), Andre Eugenio Lazzaretti, Claudio Rosito Jung e André Luiz Pires Guedes; Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 23/04/2026; Inclui referências; Área de concentração: Ciência da Computação 2026-01-01T00:00:00Z https://hdl.handle.net/1884/105229 Similarity operators for detecting denial constraint violations Resumo: A detecção de violações a restrições de integridade (ICs) é uma tarefa importante na limpeza de dados. Existem vários tipos de ICs, cada um deles expressando um conjunto diferente de restrições. Um tipo bem estudado de IC são as restrições de negação (DCs), que podem expressar umgrande conjunto de restrições. Entretanto, DCs podem falhar em detectar violações quando na presença de dados textuais ruidosos, i.e., dados textuais contendo valores diferentes para representar a mesma entidade do mundo real. A existência de diferentes representações da mesma entidade pode ser causada, por exemplo, por erros de digitação, acrônimos, ou abreviações. Apesar da existência de vários sistemas para detectar violações de DCs, nenhum deles ataca o problema de detectar violações na presença de dados ruidosos. Além disso, outros tipos de ICs já foram propostos para lidar com dados ruidosos, mas nenhum deles pode expressar o mesmo conjunto de restrições representadas por DCs. Para atacar essas limitações das abordagens anteriores na detecção de violações a ICs, nós exploramos o uso de operadores de similaridade para detectar violações a DCs ao apresentar o Similarity FAst Constraint-based Error DeTector (SimFACET), um detector de violações a DCs com similaridade. Ele avalia eficientemente DCs contendo predicados com operadores de similaridade usando algoritmos exatos e aproximados para executar junções por similaridade. Para determinar a similaridade entre dados textuais, o detector suporta distância de edição entre dados textuais e distância de cossenos entre text embeddings. Nós também exploramos diferentes estratégias para o planejamento da order de processamento dos predicados de similaridade, tentando balancear custo de avaliação e a seletividade dos predicados para reduzir o tempo total de detecção. Para avaliar os algoritmos e estratégias propostos, nós conduzimos experimentos entre múltiplos datasets e utilizando DCs com diferentes características. Os resultados mostram que o SimFACET mantém alta acurácia enquanto consistentemente reduz o tempo de detecção, executando até 4× mais rápido do que versões de base; Abstract: The detection of integrity constraints (ICs) violations is an important task in data cleaning. There are many types of ICs, each of them capable of expressing different sets of constraints. A well-studied type of IC are denial constraints (DCs), which can express a large set of constraints. However, DCs can fail in detecting violations when in the presence of noise string data, i.e., string data containing different values to represent the same real-world entity. The existence of these different representations of the same entity may be caused, for example, by typos, acronyms, or abbreviations. Despite the existence of several systems to detect DC violations, none of them addresses the problem of detecting violations in the presence of noisy data. Furthermore, other IC types have already been proposed to deal with noisy data, but none of them can express the same set of constraints represented by DCs. To address these limitations of the previous approaches in the detection of IC violations, we explore the use of similarity operators for detecting DC violations by presenting Similarity FAst Constraint-based Error DeTector (SimFACET), a violations detector for similarity DCs. It efficiently evaluates DCs containing predicates with similarity operators using exact and approximate algorithms for performing similarity joins. To determine string similarity, the detector supports edit distance between strings and cosine distance between text embeddings. We also explore different strategies for planning the processing order of the similarity predicates, trying to balance the evaluation cost and the selectivity of predicates to reduce the overall detection time. To evaluate the proposed algorithms and strategies, we have conducted experiments across multiple datasets and using DCs with different characteristics. The results show that SimFACET maintains high accuracy while consistently reducing detection time, executing up to 4× faster than baselines Orientador: Eduardo Cunha de Almeida; Coorientador: Eduardo Henrique Monteiro Pena; Banca: Eduardo Cunha de Almeida (Presidente da Banca), Daniel Kaster, Simone Dominico e Eduardo Henrique Monteiro Pena; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 27/02/2026; Inclui referências; Área de concentração: Ciência da Computação 2026-01-01T00:00:00Z https://hdl.handle.net/1884/101917 Alicerces conceituais para uma proposta de portal nacional de glossários terminológicos científicos na Libras Resumo: A Lei n.º 10.436, de 24 de abril de 2002 instituiu a Libras como direito legal de comunicação e expressão das pessoas surdas no país. O Decreto 5.626/2005 estabeleceu esta determinação, e a Lei 12.319/2010 regulamentou a profissão de intérprete Português-BR-Libras. Desde então, diversos esforços vêm sendo empreendidos por pesquisadores da Libras, da Educação Bilíngue, do Processamento de Linguagem Natural e da Informática na Educação, para prover os estudantes surdos dos meios necessários à condição de igualdade de oportunidades na Educação. No entanto, ainda persiste o problema da falta de repositórios de glossários terminológicos científicos unificados nacionalmente. Este problema se manifesta no cotidiano dos intérpretes por meio da falta de sinais-termo para expressar conceitos nas diversas áreas do conhecimento, e pela multiplicidade de sinais-termo existentes para um mesmo conceito o que, na ciência, não deve acontecer, sob risco de comprometer a plena participação dos estudantes e dos docentes surdos na construção de conhecimentos científicos. Diante desse contexto, a pesquisa que teve como resultado esta minuta de dissertação teve por objetivo a construção dos alicerces conceituais para um Portal de glossários terminológicos científicos bilíngue. Como métodos para atingir o objetivo, foram realizados dois mapeamentos sistemáticos de literatura, o primeiro para investigar a possível existência de glossários na Libras da área da Grande Área da Computação, e o segundo para abarcar, também, as demais áreas do conhecimento. Ao encontrarmos artigos que não cumpriam os critérios de inclusão desses mapeamentos, mas que se mostraram pertinentes para os nossos objetivos, fizemos, ademais, uma revisão dos mesmos e algumas buscas diretas em recursos virtuais disponíveis, tanto de material teórico quanto de ferramentas. Todos os estudos comprovaram a inexistência de suportes com essa característica, determinando o espaço para a proposição de seus alicerces conceituais. Os alicerces contemplam os valores norteadores, as hipóteses de pesquisa, a proposta de uma organização comunitária e os perfis de atores, e delineiam as etapas do processo de construção; Abstract: Law No. 10,436 of April 24, 2002 established Brazilian Sign Language (Libras) as a legal right of communication and expression for deaf individuals in the country. Decree No. 5,626/2005 implemented this provision, and Law No. 12,319/2010 regulated the profession of Portuguese BR-Libras interpreters. Since then, numerous efforts have been undertaken by researchers in the fields of Libras, Bilingual Education, Natural Language Processing, and Educational Informatics to ensure equal educational opportunities for deaf students. However, the lack of nationally unified repositories of scientific terminological glossaries remains a persistent challenge. This problem manifests itself in the daily work of interpreters through the lack of sign-terms to express concepts in various areas of knowledge, as well as the coexistence of multiple technical signs for a single concept, an inconsistency that, in scientific contexts, compromises the full participation of deaf students and teachers in the construction of scientific knowledge. In this context, the present research that flew out in this is manuscript had as its main objective to build the conceptual foundations for a bilingual portal of scientific terminological glossaries. To achieve this objective, two systematic literature mappings were conducted: the first to investigate the possible existence of glossaries in Libras in the field of Computing, and the second to also encompass other areas of knowledge. During this process, works that did not meet the inclusion criteria of the mappings but were relevant to the research objectives were also reviewed, along with direct searches in available virtual resources, encompassing both theoretical materials and technological tools. The findings confirmed the absence of repositories with these characteristics, thereby justifying the development of their conceptual underpinnings. These foundations encompass guiding values, research hypotheses, the proposal of a community-based organizational model and actor profiles, and outline the stages of the construction process Orientadora: Prof(a). Dra. Laura Sánchez García; Coorientador(a): Prof(a). Dra. Tanya Amara Felipe de Souza; Banca: Laura Sánchez García (Presidente da Banca), Tanya Amara Felipe de Souza, Eduardo Todt e Daniela de Freitas Guilhermino Trindade; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 19/02/2026; Inclui referências 2026-01-01T00:00:00Z