Abordagem prática para execução de taludes em obras rodoviárias com recurso a pré‐corte

Este trabalho é realizado no domínio das obras de engenharia, área onde o desmonte de rocha com recurso a explosivos em obras rodoviárias é uma actividade específica e consistiu no acompanhamento e execução de três obras rodoviárias de média e grande dimensão. A necessidade de executar escavações, recorrendo a técnicas de desmonte cuidadoso de contorno, onde o plano de corte do talude final deve obedecer a requisitos de localização, alinhamento, inclinação, estabilidade e também estéticos, acrescendo a isto a necessidade de optimizar os meios envolvidos, obriga a que esta actividade seja encarada de uma forma sistematizada, visando o racional aproveitamento de recursos. A execução desta actividade requer conhecimentos no domínio das técnicas de desmonte de contorno, dos explosivos, do mecanismo de rotura de rochas, da operação de perfuração e da geomecânica dos maciços. A abordagem deste trabalho incide sobre a técnica denominada de pré‐corte e tem como objectivo encontrar uma equação característica que permita relacionar diferentes parâmetros envolvidos nesta actividade. Este objectivo é alcançado recorrendo à correlação entre equações relativas à pressão de detonação, à pressão no furo e ao espaçamento entre furos consecutivos, desenvolvidas por outros autores. Desta forma obteve‐se uma equação que relaciona parâmetros relativos ao maciço rochoso (resistência à tracção), ao explosivo (velocidade de detonação e densidade) e ao diagrama de fogo (concentração de carga – volume de explosivo e comprimento do furo – volume do furo). A comparação entre os valores destes parâmetros obtidos na produção e os obtidos com recurso à equação característica permite concluir que a sua aplicação para execução de futuras obras possibilita uma optimização dos meios envolvidos.

Sistema didáctico de baixo custo com FPGA de alta densidade

O uso das Field-Programmable Gate Array tem crescido de forma exponencial. Com isto dito, é importante que os engenheiros electrotécnicos estejam familiarizados com este tipo de tecnologia. Foi com o intuído de passar estas valências para os alunos do ISEP, que surgiu a ideia de criar um sistema didáctico, que permitisse ao alunos aprender a trabalhar com estes dispositivos. O seguinte trabalho iniciou-se com base num estudo das características destes dispositivos e das suas potencialidades, seguido de uma avaliação do que o mercado tem para oferecer. Posteriormente, com base em toda a informação reunida, foi definida a arquitectura do sistema, que levou selecção de dispositivos a incluir no mesmo, e culminando na concepção do esquema eléctrico do sistema e da placa de circuito impresso correspondente ao protótipo do mesmo. As principais directivas para este projecto foram o uso de uma FPGA de alta densidade e a concepção da ferramenta com o custo de projecto o mais reduzido possível.

Using data mining techniques to support breast cancer diagnosis

More than ever, there is an increase of the number of decision support methods and computer aided diagnostic systems applied to various areas of medicine. In breast cancer research, many works have been done in order to reduce false-positives when used as a double reading method. In this study, we aimed to present a set of data mining techniques that were applied to approach a decision support system in the area of breast cancer diagnosis. This method is geared to assist clinical practice in identifying mammographic findings such as microcalcifications, masses and even normal tissues, in order to avoid misdiagnosis. In this work a reliable database was used, with 410 images from about 115 patients, containing previous reviews performed by radiologists as microcalcifications, masses and also normal tissue findings. Throughout this work, two feature extraction techniques were used: the gray level co-occurrence matrix and the gray level run length matrix. For classification purposes, we considered various scenarios according to different distinct patterns of injuries and several classifiers in order to distinguish the best performance in each case described. The many classifiers used were Naïve Bayes, Support Vector Machines, k-nearest Neighbors and Decision Trees (J48 and Random Forests). The results in distinguishing mammographic findings revealed great percentages of PPV and very good accuracy values. Furthermore, it also presented other related results of classification of breast density and BI-RADS® scale. The best predictive method found for all tested groups was the Random Forest classifier, and the best performance has been achieved through the distinction of microcalcifications. The conclusions based on the several tested scenarios represent a new perspective in breast cancer diagnosis using data mining techniques.