Grupo de Investigação em Ambiente e Saúde da Escola Superior de Tecnologia da Saúde de Lisboa: o presente e o futuro

Vários são os fatores de risco presentes no ambiente que podem afetar a saúde humana e influenciar a qualidade de vida. Os fatores podem ser de natureza física, química e biológica e ainda psicossociais. O estudo destes fatores de risco deverá ser realizado de forma detalhada e com uma abordagem multidisciplinar, permitindo o reconhecimento do impacto que estes fatores podem representar para a saúde humana. O grupo de investigação em Ambiente e Saúde da Escola Superior de Tecnologia da Saúde de Lisboa, além de pretender contribuir para a promoção da cultura científica na instituição, apresenta outros objetivos específicos relacionados com as suas linhas de investigação, designadamente: estudar em detalhe os fatores de risco presentes no ambiente e que podem colocar em causa a saúde humana; contribuir para o conhecimento no que concerne ao estabelecimento de relações causa-efeito; promover a saúde e prevenir a doença em diferentes grupos populacionais; estudar e conhecer os fatores individuais que condicionam a resposta a um fator de risco ambiental e, ainda, promover a multidisciplinariedade de contributos para a obtenção dos objetivos anteriores. Pretende-se com a realização deste workshop apresentar os principais resultados dos projetos de investigação desenvolvidos por este grupo de investigação durante os seus dois primeiros anos de atividade e aproveitar a oportunidade para promover sinergias com outros grupos e investigadores. O workshop destina-se a todos os interessados em estudar fatores de risco para a saúde humana presentes no ambiente e/ou que pretendem iniciar ou dar continuidade aos seus estudos pós-graduados.

Empregabilidade em radiologia na Escola Superior de Tecnologia da Saúde de Lisboa

Em Portugal verificou-se um aumento do desemprego em meados da primeira década do século XXI. Este retrato constata-se igualmente no mercado de trabalho em radiologia que, à semelhança de outras profissões, é bastante competitivo, exigindo dos profissionais uma qualificação cada vez mais exigente. Porém, o número de profissionais que não pode exercer a profissão, devido à saturação do mercado de trabalho, tem vindo a aumentar. Assim, é de grande importância perceber quais os nichos de mercado que podem oferecer oportunidades de trabalho que possam ser exploradas. Objetivos do estudo - Avaliar e estudar a empregabilidade dos ex-estudantes do curso de radiologia na Escola Superior de Tecnologia da Saúde de Lisboa (ESTeSL), formados nos anos letivos de 2010 a 2014 e perceber a satisfação na preparação académica prática/teórica dos ex-estudantes.

Separação de dados hiperespectrais baseada na análise de vértices de um simplex

Os sensores hiperespectrais que estão a ser desenvolvidos para aplicações em detecção remota, produzem uma elevada quantidade de dados. Tal quantidade de dados obriga a que as ferramentas de análise e processamento sejam eficientes e tenham baixa complexidade computacional. Uma tarefa importante na detecção remota é a determinação das substâncias presentes numa imagem hiperespectral e quais as suas concentrações. Neste contexto, Vertex component analysis (VCA), é um método não-supervisionado recentemente proposto que é eficiente e tem a complexidade computacional mais baixa de todos os métodos conhecidos. Este método baseia-se no facto de os vértices do simplex corresponderem às assinaturas dos elementos presentes nos dados. O VCA projecta os dados em direcções ortogonais ao subespaço gerado pelas assinaturas das substâncias já encontradas, correspondendo o extremo desta projecção à assinatura da nova substância encontrada. Nesta comunicação apresentam-se várias optimizações ao VCA nomeadamente: 1) a introdução de um método de inferência do sub-espaço de sinal que permite para além de reduzir a dimensionalidade dos dados, também permite estimar o número de substâncias presentes. 2) projeção dos dados é executada em várias direcções para garantir maior robustez em situações de baixa relação sinal-ruído. As potencialidades desta técnica são ilustradas num conjunto de experiências com dados simulados e reais, estes últimos adquiridos pela plataforma AVIRIS.

Separação de dados hiperespectrais por análise de componentes dependentes

A separação de dados hiperespectrais pretende determinar quais as substâncias presentes numa imagem e quais as suas concentrações em cada pixel. Esta comunicação apresenta um método não-supervisionado, denominado de Análise de Componentes Dependentes (DECA), que efectua a separação destes dados automaticamente. Este método assume que cada pixel é uma mistura linear das assinaturas (reflectâncias ou radiâncias) das substâncias presentes pesadas pelas respectivas concentrações (abundâncias). Estas abundâncias são modeladas por misturas de distribuições de Dirichlet, que por si garantem as restrições de não-negatividade e soma unitária impostas pelo processo de aquisição. A matriz de assinaturas é estimada por um algoritmo Esperança-Maximização generalizado (GEM). O método DECA tem um desempenho melhor que os métodos baseados em análise de componentes independentes e que os métodos baseados na geometria dos dados. Nesta comunicação apresentam-se resultados desta metodologia, com dados simulados (baseados em reflectâncias espectrais da base de dados do laboratório USGS) e com dados hiperespectrais reais adquiridos pelo sensor AVIRIS, ilustrando a potencialidade da técnica.