Databases and Images Group

AgroDataMine: Desenvolvimento de Métodos e Técnicas de Mineração de Dados para Apoiar Pesquisas em Mudanças Climáticas com Ênfase em Agrometeorologia

O aquecimento global e suas conseqüências trazem novos desafios para os pesquisadores do Século XXI. Apesar da comunidade científica não ter dúvidas sobre o aquecimento do planeta, é premente a identificação das causas do aumento da temperatura média global, bem como a quantificação desse aquecimento e suas consequências para os ecossistemas. Modelos matemáticos e estatísticos têm sido empregados para analisar os possíveis cenários futuros e consequentemente uma grande quantidade de dados tem sido gerada. Além disso, o avanço tecnológico tem propiciado melhorias nos diversos sensores utilizados para medições de dados climáticos e de imageamento da superfície terrestre, contribuindo para o aumento na quantidade e complexidade dos dados gerados. As pesquisas envolvendo grande volume e diversidade de dados remete a dois dos Grandes Desafios da Computação: a gestão da informação em grandes volumes de dados e a modelagem computacional de sistemas complexos. Neste contexto, este projeto de pesquisa propõe investigar e desenvolver técnicas e métodos computacionais para analisar os conjuntos de dados complexos utilizados por meteorologistas e agrometeorologistas, para auxiliá-los nas pesquisas sobre os impactos das mudanças climáticas na agricultura brasileira. Em linhas gerais, o objetivo deste projeto é desenvolver métodos para analisar os resultados dos modelos regionais de prognóstico de mudanças climáticas e compará-los com medidas reais coletadas pelas estações de superfície, a fim de avaliar a qualidade dos dados gerados e dar subsídios para a calibração dos modelos de previsão. Adicionalmente, pretende-se desenvolver novos métodos para filtrar, analisar e extrair padrões da associação entre dados climáticos e dados extraídos de sensores remotos para auxiliar nas pesquisas agrícolas. O projeto embasa-se na parceria de pesquisadores do Grupo de Bases de Dados e Imagens (GBdI) do ICMC-USP, da Embrapa Informática Agropecuária, do Centro de Pesquisas Meteorológicas e Climáticas Aplicadas à Agricultura (Cepagri) da Unicamp, e do Departamento de Computação e Unidade de Sorocaba da UFSCar. Como referencial de pesquisa, propõe-se a Mineração de Dados e a Teoria dos Fractais associadas a técnicas de Visualização da Informação. Os resultados esperados no projeto irão contribuir para o avanço no estado da arte em mineração de dados, com reflexos na área de agrometeorologia, e para melhorias nas saídas dos modelos regionais de previsão de mudanças climáticas.

Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação / Mestrado acadêmico / Doutorado.
Integrantes: Caetano Traina Jr - Integrante / Renato Bueno - Integrante / Marcela Xavier Ribeiro - Integrante / Humberto Luiz Razente - Integrante / Adriano Arantes Paterlini - Integrante / Elaine Parros de Sousa - Integrante / José Fernando Rodrigues Jr. - Integrante / Pedro Bugatti - Integrante / Luciana Alvim Romani - Integrante / Maria Camila Nardini Barioni - Integrante / Daniel Kaster - Integrante / Jurandir Zullo Jr. - Integrante / Renata Gonçalves - Integrante / Ana Maria H. Avila - Integrante / Letrícia Pereira Soares Avalhais - Integrante / Agma Juci Machado Traina - Coordenador.

Finaciador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio finaceiro / Microsoft - Auxílio financeiro.

Regional Program STIC-Amsud - MIRVisIM-Mining, Indexing, Retrieval and Visualization of Medical Images data sets

Content-Based Image Retrieval (CBIR) techniques are based on image feature extractors. However, each individual feature extracted has small contribution to the retrieval process. Therefore, to pose queries able to retrieve useful results, the application software must integrate features from several extractors and specify how to compare the features in detail. This project aims at developing algorithms and techniques to help in preparing the queries embedded in the application software. The quantity of features extracted by a set of feature extractors can be very high, so it is important to have an instrument to select the most relevant ones. The project targets to develop attribute selection techniques aiming specifically at image feature selection. The ground for this research topic are the statistical association rules, fractal-based attribute selection and clustering techniques, as these theoretical tools enable the integration of features obtained automatically (syntactical features) with others identified by human specialists (semantic features), selecting the ones with the highest discrimination ability to be used in the image indexing and retrieval. As the practical basis for this project, it will be employed a PACS (Picture Archiving and Communication System) prototype to store and organize the sets of images. The visualization tools to be developed will help to validate the results, such as the correct identification of clusters and outliers, as directed by each feature extractor. As the clusters of images generated by each feature are distinct, a multi-modal visualization can lead to a better understanding of the information provided by the set of images, and help on decision making. The researchers involved in this project have expertise to develop the proposed techniques, and the integration of the expertise and the results obtained by the researchers involved in this project can contribute to enlarge the related fields.

Situation: In progress; Nature: Research.
Students involved: PostDoc / DSc / MSc.
Members: Caetano Traina Jr. / José Fernando Rodrigues Jr. / André Guilherme Ribeiro Balan / Marcela Xavier Ribeiro / Humberto Luiz Razente / Ives Renê Venturini Pola / Daniel dos Santos Kaster / Robson Leonardo Ferreira Cordeiro / Sérgio Francisco da Silva / Mônica Ribeiro Porto Ferreira / Pedro Henrique Bugatti / Carolina Yukari Veludo Watanabe da Silva / Willian Dener de Oliveira / Caio César Mori Carelo / Ernesto Cuadros-Vargas - Coordenador Peru / Richard Chbeir - Coordenador France / Agma Juci Machado Traina - Coordenador Brazil.

Financiers: Délégation Régionale de Coopération pour le Cône sud et le Brésil in France, FAPESP in São Paulo and CONCYTEC in Peru.

MICAD- Mineração de Imagens Médicas por Conteúdo apoiando CAD: Aplicações em um Hospital Escola

O volume de dados e imagens gerados nos hospitais e clínicas médicas cresce a um ritmo cada vez mais acelerado, devido ao barateamento do custo de coletar e armazenar tais informações. O diagnóstico baseado em imagens pode ser grandemente aprimorado se o especialista da área médica puder recuperar de modo rápido e pertinente informações que o apoiem na tomada de decisão. Por exemplo, recuperar casos parecidos com o que está sendo analisado, verificar o inter-relacionamento entre itens de dado e tratamentos/resultados alcançados, bem como visualizar num piscar de olhos a evolução de casos semelhantes e já diagnosticados por colegas especialistas. Este projeto visa o desenvolvimento de técnicas e algoritmos que constituirão o arcabouço teórico e prático para o desenvolvimento de ferramentas que possibilitem compreender o inter-relacionamento entre as características das imagens (que as representam) e seu significado semântico, de modo a obter os dados mais relevantes para serem utilizados para responder consultas por similaridade para apoiar o processo de decisão na elaboração de diagnósticos médicos. Os resultados alcançados por este projeto serão aplicados a sistemas de arquivamento e recuperação de imagens médicas (PACS), permitindo alcançar um patamar mais elevado em tais sistemas. Ou seja, sistemas PACS que já organizam as imagens e dados e pacientes, passarão a apoiar a tomada de decisão para suporte ao diagnóstico médico por imagens.

Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 3) / Mestrado acadêmico ( 2) / Doutorado (5).
Integrantes: Caetano Traina Jr - Integrante / Paulo Mazzoncini de Azevedo Marques - Integrante / André Guilherme Ribeiro Balan - Integrante / Marcela Xavier Ribeiro - Integrante / Humberto Luiz Razente - Integrante / José Fernando Rodrigues Jr. - Integrante / Pedro Henrique Bugatti - Integrante / Marcelo Ponciano da Silva - Integrante / Luciana Romani - Integrante / Alceu Ferraz Costa - Integrante / Carolina Yukari Veludo Watanabe da Silva - Integrante / Júlio César Fradico - Integrante / Sérgio Francisco da Silva - Integrante / Maria Camila Nardini Barioni - Integrante /Cristina Dutra Aguiar Ciferrii - Integrante / Agma Juci Machado Traina - Coordenador.

Finaciador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio finaceiro.

MIRVisIM - Mineração, Indexação, Recuperação e Visualização de Dados em Sistemas de Arquivamento de Imagens Médicas

Este projeto visa propor e implementar novas técnicas e ferramentas que permitam extrair o conhecimento inerente a exames médicos por imagens, aumentando a funcionalidade de um sistema PACS em desenvolvimento (cbPACS). O ferramental a ser desenvolvido depende de quatro vertentes de pesquisa, desde o suporte básico do desenvolvimento de técnicas de extração de características de imagens de modo a propiciar sua recuperação por conteúdo e efetuar consultas por similaridade; o desenvolvimento e aprimoramento de métodos de acesso eficientes para processar tais consultas de modo rápido e efetivo; o desenvolvimento de técnicas de mineração de dados através de regras de associação e seleção de atributos. Todas as vertentes anteriores serão suportadas por técnicas de visualização de dados que serão propostas e implementadas visando auxiliar o desenvolvimento e afinamento dos algoritmos das vertentes anteriores. A recuperação de imagens por conteúdo vale-se da extração de características das imagens, porém as características extraídas individualmente têm pouco significado de forma isolada para a busca de imagens específicas. Assim, para que as consultas por similaridade recuperem imagens significativas em aplicações destinadas ao usuário final, é necessário que as consultas especifiquem detalhadamente como as características devem ser comparadas, integrando diversas características na mesma consulta. Este projeto objetiva também disponibilizar ferramental para auxiliar o preparo das consultas que serão embutidas em aplicativos para o usuário final. Para atingir tal meta, o projeto deve explorar a utilização de maneira integrada de quatro recursos: sistemas de bancos de dados relacionais; indexação de dados em domínios métricos; consultas por similaridade; e mineração de imagens.

Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 3) / Especialização ( 0) / Mestrado acadêmico ( 4) / Mestrado profissionalizante ( 0) / Doutorado ( 9).
Integrantes: Caetano Traina Jr - Integrante / Renato Bueno - Integrante / Paulo Mazzoncini de Azevedo Marques - Integrante / Elaine Parros M de Sousa - Integrante / Joaquim Cézar Felipe - Integrante / Natália Abdala Rosa - Integrante / Gisele Busichia Baioco - Integrante / Carolina Yukari Veludo Watanabe - Integrante / Ana Paula Appel - Integrante / André Guilherme Ribeiro Balan - Integrante / Marcela Xavier Ribeiro - Integrante / Humberto Luiz Razente - Integrante / Adriano Arantes Paterlini - Integrante / Cristina Ciferri - Integrante / José Fernando Rodrigues Jr. - Integrante / Maria Camila N. Barione - Integrante / Ives Rene Venturini Pola - Integrante / Thiago Galbiatti Vespa - Integrante / Ana Lucia Filardi - Integrante / Mônica Ribeiro Porto Ferreira - Integrante / Rodrigo Fálico Teodoro de Faria - Integrante / Rodrigo Nishihara Adão - Integrante / Agma Juci Machado Traina - Coordenador.

Finaciador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio finaceiro.
Número de produções C, T & A: 17.

Projeto Urano

Existe atualmente uma grande variedade de aplicações que gerenciam dados relacionados a docentes, como o Currículo Lattes e, no caso da USP, os sistemas administrativos Júpiter e Fênix. Estas aplicações foram desenvolvidas de forma independente umas das outras, e armazenam dados complementares ou até mesmo repetidos. Neste sentido, este projeto visa desenvolver um banco de dados que permita a integração dos dados dos currículos de docentes, visando a elaboração de relatórios integrados e também a diminuição da necessidade dos mesmos dados relativos a em formatos diferentes. Esta integração, assim como a troca de dados entre as aplicações, é baseada na linguagem XML. Além de servir de base para a geração de relatórios simples, outro aspecto do projeto consiste em oferecer suporte à tomada de decisão, desde que a análise de dados relacionados a currículos de docentes pode subsidiar processos decisórios possibilitando o planejamento de ações de forma mais eficiente.

Situação: Em andamento; Natureza: Desenvolvimento.
Alunos envolvidos: Graduação ( 3) / Mestrado acadêmico ( 1).
Integrantes: Cristina Dutra de Aguiar Ciferri - Integrante / Bruno Tomazela - Integrante / Marcelo Curi Christianini - Integrante / Caetano Traina Jr - Coordenador.

Finaciador(es): Coordenadoria de Administração Geral Usp - Remuneração.
Número de produções C, T & A: 1
Número de orientações: 3.

FragDW - Fragmentação dos Dados em Ambientes de Data Warehousing - Parte II

Este projeto visa dar continuidade à pesquisa de doutorado da proponente, por meio do extensão dos algoritmos de fragmentação horizontal já desenvolvidos e da proposta de algoritmos para a fragmentação vertical dos dados do data warehouse. O projeto também objetiva implementar os algoritmos propostos e contextualizá-los a uma aplicação de data warehousing real voltada à análise de diagnósticos de saúde pública, além de analisar o desempenho dos algoritmos de fragmentação horizontal e vertical propostos.

Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 3) / Especialização ( 0) / Mestrado acadêmico ( 1) / Mestrado profissionalizante ( 0) / Doutorado ( 0).
Integrantes: Ricardo Rodrigues Ciferri - Integrante / Diogo Tuler Forlani - Integrante / Leonardo Jorge Quemello - Integrante / Gustavo Ramos Domingues - Integrante / Adriano de Souza - Integrante / Cristina Dutra de Aguiar Ciferri - Coordenador.

MetricSPlat project

The MetricSPlat project is a project that combines visualization techniques and content-based data retrieval methodologies. Its goal is to raise a framework where the constituents that define the concept of metric space can be instantiated and tested. A metric space, in the context of content-based data retrieval, is understood as the integration of the following components:

• extracted features
• a metric access structure
• a distance function

In MetricSPlat these constituents can be integrated with minimal effort allowing quick development and testing of techniques for content-based data retrieval.

Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 0) / Especialização ( 0) / Mestrado acadêmico ( 0) / Mestrado profissionalizante ( 0) / Doutorado ( 0).
Integrantes: José Fernando Rodrigues Jr. - Coordenador.