Identificação de doenças em folhas vegetais da cultura de algodão

Pós-graduação em Ciência da Computação - IBILCE

Reconhecimento de pessoas por meio da região interna da íris

Pós-graduação em Ciência da Computação - IBILCE

Estudos de imagens provenientes de membranas de borracha natural com aditivos metálicos utilizando técnicas de Fourier, Gabor e Wavelets

Pós-graduação em Ciência e Tecnologia de Materiais - FC

Detecção, classificação e localização de faltas de curto-circuito em sistemas de distribuição de energia elétrica usando sistemas inteligentes

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Detecção e classificação de distúrbios de tensão usando redes neurais ARTMAP Euclidiana modificada com treinamento continuado

Pós-graduação em Engenharia Elétrica - FEIS

Proposta de Algoritmos Inteligentes para Localizar Faltas e Monitorar a Qualidade da Energia em Redes de Distribuição de Energia Elétrica

Pós-graduação em Engenharia Elétrica - FEIS

Análise de bulhas cardíacas usando wavelets visando auxiliar no diagnóstico médico

Pós-graduação em Engenharia Elétrica - FEIS

EEG signal classification for epilepsy diagnosis via optimum path forest - A systematic assessment

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Classificação de tábuas de madeira usando processamento de imagens digitais e aprendizado de máquina

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Estimating the concentration of gold nanoparticles incorporated on natural rubber membranes using multi-level starlet optimal segmentation

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Automatic classification of prostate stromal tissue in histological images using Haralick descriptors and Local Binary Patterns

In this paper we presente a classification system that uses a combination of texture features from stromal regions: Haralick features and Local Binary Patterns (LBP) in wavelet domain. The system has five steps for classification of the tissues. First, the stromal regions were detected and extracted using segmentation techniques based on thresholding and RGB colour space. Second, the Wavelet decomposition was applied in the extracted regions to obtain the Wavelet coefficients. Third, the Haralick and LBP features were extracted from the coefficients. Fourth, relevant features were selected using the ANOVA statistical method. The classication (fifth step) was performed with Radial Basis Function (RBF) networks. The system was tested in 105 prostate images, which were divided into three groups of 35 images: normal, hyperplastic and cancerous. The system performance was evaluated using the area under the ROC curve and resulted in 0.98 for normal versus cancer, 0.95 for hyperplasia versus cancer and 0.96 for normal versus hyperplasia. Our results suggest that texture features can be used as discriminators for stromal tissues prostate images. Furthermore, the system was effective to classify prostate images, specially the hyperplastic class which is the most difficult type in diagnosis and prognosis.

Desenvolvimento de um sistema inteligente para o diagnóstico e prognóstico de falhas em sistemas de distribuição de energia elétrica

Pós-graduação em Engenharia Elétrica - FEIS

Deteccão de complexos QRS em eletrocardiogramas baseada na decomposição em valores singulares em multirresolução

Pós-graduação em Engenharia Elétrica - FEIS

Segmentação de texturas em imagens digitais utilizando wavelets redundantes

Pós-graduação em Matematica Aplicada e Computacional - FCT