Joaquim Cezar Felipe.

O projeto consiste de um curso de Difusão que possa levar conceitos de física e informática para estudantes do ensino médio a partir de atividades experimentais e laboratoriais interdisciplinares entre estas duas disciplinas. Adicionalmente serão apresentadas aplicações de Física e Informática na área médica, odontológica e biomédica, visando assim a orientação profissional destes estudantes para as carreiras de Bacharelado de Física Médica e Bacharelado em Informática Biomédica.

A partir da premissa de que a atenção básica à saúde apresenta potência para transformar a lógica do modelo de atenção e de formação vigentes e, assim constituir-se como eixo de organização do sistema de saúde, estabelece-se como objetivo geral do presente projeto o seu fortalecimento, mediante vinculação de uma equipe multiprofissional e multidisciplinar aos seus serviços. As diferentes categorias profissionais participantes do projeto propõem avaliar os processos de trabalho e de produção em saúde na atenção básica, bem como elaborar dispositivos para intervenção com mensuração do impacto. O principal dispositivo proposto é a organização de equipes multiprofissionais e multidisciplinares formadas por orientadores e pesquisadores recém egressos da graduação ou vinculados a programas de pós-graduação e profissionais de equipes de referência da atenção básica convencional e do programa de saúde da família, com o objetivo de potencializar e ampliar as ações da atenção básica. A expectativa é que nesse cenário dar-se-á a prestação ampliada de serviços e as condições para a pesquisa dos processos educacionais, assistenciais, de informação e de gestão na atenção básica, assim como do impacto da nova sistemática nos indicadores de saúde da população de abrangência.

Os sistemas de Saúde formam uma estrutura complexa cuja compreensão e modelagem envolve múltiplos fatores e suas relações. A diversidade demográfica do Brasil compõe um cenário ainda mais desafiador para a Gestão em Saúde. Por outro lado, a superação deles pode produzir avanços significativos para a Saúde no Brasil e no mundo. Métodos avançados em Inteligência Artificial (IA) têm gerado descobertas significativas e de impacto socioeconômico para diversos problemas complexos. Essa proposta de Centro busca catalisar o conhecimento de grupos de excelência da USP e de outras instituições de pesquisa do estado de SP para desenvolver métodos avançados de IA capazes de superar tais desafios. Para isso, os projetos do Centro devem inovar nas principais frentes de pesquisa de IA, como Aprendizado Profundo (Graph Neural Networks, Large Language Models e Diffusion Models), Modelos Estruturais Interpretáveis e Causais, e Tomada de Decisão Multicritério, de forma a lidar com múltiplas modalidades de dados, com a demanda por interoperabilidade dos sistemas e com dados de saúde não-estruturados, buscando melhorar a eficiência, o custo-benefício e a qualidade dos serviços em Saúde, para a micro- e a macro-gestão (hospitais públicos, privados e instituições de saúde) gerando modelos consistentes e interpretáveis que possibilitem a tomada de decisão confiável.

Os cânceres da cavidade oral e da orofaringe se desenvolvem em locais com acesso visual; apesar disso, a maioria dos pacientes é diagnosticada com doença avançada. Encontrar um biomarcador ideal para o diagnóstico precoce da doença pode ser desafiador, devido à complexidade molecular dos carcinomas de cabeça e pescoço, nos quais a carcinogênese pode ser influenciada por diversos fatores de risco, como tabaco, consumo de álcool e infecção pelo HPV, modulados pela microbiota e pela resposta imune do hospedeiro. Nossa proposta é integrar dados de múltiplas plataformas de tecnologia de investigação para investigar abordagens eficazes para a detecção precoce de cânceres de boca e orofaringe. Para tanto, analisaremos amostras biológicas (tecido, sangue e saliva) e imagens (lesões), incluindo mucosa exposta ao tabaco de indivíduos sem lesões visíveis, lesão pré-maligna com e sem displasia, mucosa adjacente de indivíduos com câncer e leão maligna correspondente, com referência à mucosa de não fumantes. Em uma fase de descoberta, as lesões serão analisadas por espectroscopia óptica e fragmentos de biópsia e biofluidos serão analisados por meio de uma ampla gama de técnicas de alto rendimento. Fragmentos de biópsia também serão analisados por espectroscopia de infravermelho e RAMAN. Os dados epidemiológicos e uma fotografia da lesão serão obtidos dos participantes, em outros dois projetos relacionados e analisados concomitantemente com os dados moleculares do presente projeto. Uma análise integrada de todos os dados será realizada na tentativa de desvendar padrões e biomarcadores para serem validados em uma segunda coorte independente. Este projeto está dividido em pacotes de trabalho e será integrado a dois projetos complementares, que irão caracterizar os participantes quanto a fatores epidemiológicos e padrões de malignidade nas fotografias das lesões. Pacote de trabalho: Correlação da análise histológica com espectroscopia óptica da lesão - autofluorescência, infravermelho e RAMAN; Pacote de trabalho: Integração multidimensional de dados e radiômica. Perspectivas: Nossa equipe de pesquisa espera encontrar pelo menos uma abordagem que possa ajudar na detecção precoce de cânceres bucais e orofaríngeos. Nós vislumbramos que nossos resultados contribuirão para incrementar o atual estado da arte na área.

This is a Thematic Project of FAPESP with grant number: 2024/15430-5. Accurate production management decisions for soybeans are crucial for increasing yield and improving harvest quality. However, the complex canopy structure of soybean plants, characterized by mutual shading, complicates the accurate acquisition of phenotypic data. Additionally, soybean growth is intricately linked to environmental factors, which are increasingly variable due to climate change. The diversity of production monitoring data, coupled with varied and complex scenarios across different regions, poses significant challenges for modeling soybean production management and decision-making. To address these challenges, this project leverages a collaborative effort between Chinese and Brazilian research teams, focuses on utilizing multi-modal data gathered during the soybean production process and employs 3D reconstruction, phenotypic analysis, multi-layer complex network modeling, and domain-adaptive learning as its theoretical and technical foundation. The research aims to develop key technologies that leverage machine learning and multi-modal data fusion to enhance soybean yield and improve harvest quality. The main tasks include: 1) Developing methods for high-quality 3D reconstruction of soybean plants using sparse multi-view images to achieve precise structural modeling; 2) Advancing phenotyping technology for soybean plants based on multi-modal data such as images, point clouds, and spectral information to enhance phenotype accuracy; 3) Creating an intelligent soybean management decision model that integrates multi-modal data fusion to optimize production management; and 4) Designing domain-adaptive models for yield prediction and plant analysis to improve the generalization of management strategies across diverse environments. By integrating machine learning with multi-modal data fusion, this Brazil-China collaborative project aims to elevate soybean production management and provide valuable insights into the application of these technologies..

Novas tecnologias para caracterização rápida, não-invasiva e de baixo custo para doenças, são decisivas na diminuição da mortalidade, o que ficou evidenciado durante a pandemia. Aos desafios na detecção precoce e no tratamento do câncer, somaram-se questões relacionadas ao surgimento de novos vírus com alta taxa de letalidade, como o SARS-CoV-2. Tratamentos clínicos avançaram exponencialmente nas últimas décadas, mas podem ser caros e ineficazes. O INTERA se propõe desenvolver e aplicar métodos diagnósticos e terapêuticos numa ampla diversidade de doenças (cânceres, doenças cardíacas e cardiorenais, infecções virais, doenças negligenciadas) assistidos por radiações em ampla faixa do espectro eletromagnético. O IPEN é o caso mais bem sucedido de inovação translacional, levando a hospitais e clínicas os produtos e processos desenvolvidos desde a pesquisa básica, na área de radiofármacos, desde sua criação em 1956. Os objetivos específicos compreendem o desenvolvimento de novos radiofármacos baseados em anticorpos para diagnóstico por imagem PET/SPECT, radioterapia alvo-dirigida de tumores, nanobraquiterapia, processos terapêuticos com lasers, diagnóstico de diferentes doenças por imagem hiperespectral no infravermelho e Raman, avaliados por inteligência artificial. Pretende-se executar a translação não apenas para clínica, mas principalmente para o setor produtivo. Estamos fortemente convencidos que o estabelecimento de um diagnóstico e terapia médica de precisão e personalizada é um dos grandes desafios da medicina moderna que o INTERAS também poderá resolver criando um mosaico científico-industrial. Para isto, apresentamos proposta transdisciplinar com mais de 30 pesquisadores de 8 Instituições (AM, PE, SP, RJ e SE) e colaboradores internacionais e nacionais. Vale ressaltar, que os pesquisadores do INTERAS possuem uma alta inserção acadêmica e industrial. Propomos ainda implementar um diálogo contínuo com a sociedade por meio de ações de divulgação científica.

A tipificação de anomalias em tecidos humanos, dentre elas as neoplasias, é realizada normalmente por meio de exames histológicos em lâminas contendo biópsias. As pesquisas em torno de imagens digitais de biópsia têm crescido com rapidez, alavancando o desenvolvimento e o aperfeiçoamento de métodos de processamento de imagens especialmente desenvolvidos ou adaptados para esta categoria de imagens. Os sinais hiperespectrais, obtidos por meio de equipamentos de infravermelho, caracterizam-se por apresentar para cada pixel da imagem um espectro de valores de absorbância para as diferentes frequências, que se mostra sensível às características do tecido subjacente. O objetivo deste projeto é investigar e validar a hipótese de que os sinais hiperespectrais infravermelhos podem ser usados para o reconhecimento de padrões que permitam identificar regiões da lâmina contendo tecido sadio ou com características anormais, em especial a ocorrência de neoplasias. Para isto, bases de sinais hiperespectrais representando a absorbância em uma ampla faixa de frequências de infravermelho, obtidos a partir de lâminas contendo amostras de tecido sadio e de tecido anormal oriundas de diferentes órgãos, tais como tireoide, pele e mama, serão analisadas com uso de técnicas computacionais de Aprendizagem Profunda, para a implementação de classificadores, com os quais será possível caracterizar as regiões da lâmina de acordo com as possíveis anomalias presentes. Com isto, o método proposto permitirá a análise automática de biópsias, de forma a tornar o processo de diagnóstico mais preciso e efetivo. Além disso, imagens obtidas a partir de lâminas de biopsia coradas com Hematoxilina e Eosina serão processadas por técnicas de visão computacional para comparação com os sinais hiperespectrais, visando estabelecer a possível detecção de padrões de anomalias que não são identificáveis pelo método visual correntemente utilizado.

Os avanços recentes do aprendizado de máquina na medicina têm sido notáveis. No entanto, ainda existem questões importantes a serem abordadas; por exemplo: 1) Como integrar e selecionar características médicas relevantes (biomarcadores) a partir de fontes heterogêneas e dinâmicas em larga escala? 2) Como interpretar as decisões tomadas por algoritmos de aprendizado de máquina e como integrar a inteligência humana e artificial? Este grupo de pesquisa aborda tais questões, concentrando-se em grande parte em acidentes cerebrovasculares (ACV), câncer e Covid-19. A equipe desenvolve uma série de técnicas de IA.

O presente projeto propõe estudar a relação entre os diferentes tipos de dados, e construir uma estrutura computacional com o objetivo de apoiar a decisão e planejamento de cirurgia em epilepsia baseado em abordagem de big data, i.e., os diferentes tipos de sinais e os dados adquiridos de vários sujeitos (pacientes e pessoas saudáveis) são organizados e analisados de forma integrada para descobrir propriedades de epilepsia. Especificamente, redes complexas são utilizadas como um mecanismo de representação de grande conjunto de dados heterogêneos de epilepsia devido sua capacidade de descrição de estrutura (padrão de conectividade), dinâmica e função de sistemas complexos em um único esquema. Técnicas de aprendizado de máquina, especificamente, redes neurais, deep learning, árvores de decisão e algoritmos evolutivos, serão aplicadas para análise de dados e apoio à decisão.

Today, almost all human activities generate and/or demand to store and process massive, diverse and complex data, either in scientific, academic, enterprise and even leisure pursuits, in a scenario called the big data era". Health-related activities are in the core of those activities, as both they produce big data as well as they can take advantage of the technological storm that is improving the behavior of everyone whose decision is increasingly guided by the information extracted from all these big data. In a clinical environment, the Electronic Health Records (EHR) form a proper anchor to develop information extraction strategies. In this proposal, we aim at integrating novel database support, image processing and visual analytics methods to leverage the large number of EHR and repositories of clinical data to gather valuable and significant information for decision-making. The size and complexity of EHR databases offer great challenges when they need to be processed in terms both of applying analysis techniques and to support the development of subsequent applications for practical tools. However, it also embodies a cornucopia of opportunities to create algorithms and methods able to display intelligent and relevant information related to either a particular patient or groups of patients and to boost the EHR into a more effective platform to support the healthcare professionals, coping medical applications and strategic government decisions with the demands and benefits of big data. In this project we will develop methods and algorithms that will ultimately be materialized in a modular platform to be made available to the area community.

A Análise Integrada de Sistemas Biológicos (AISB) não é uma abordagem nova, mas somente após as iniciativas de sequenciamento de genomas inteiros, iniciada com a proposta de sequenciamento do Genoma Humano, ampliou sua relevância devido aos avanços tecnológicos nas áreas da computação, da genética e da biologia molecular, permitindo assim o desenvolvimento de experimentos refinados para estudar os sistemas biológicos complexos que regulam a função das células. Este ressurgimento está fundamentado a) pela grande quantidade de dados biológicos nas últimas décadas inflando o conhecimento sobre as vias gênicas ativas na célula em diferentes situações de estresse; b) pelos avanços tecnológicos adquiridos durante os projetos genômicos e proteômicos; c) pelo desenvolvimento e aplicação de modelos matemáticos para simular ou avaliar os processos biológicos ativos na célula e d) pelo crescimento do poder computacional permitindo o processamento de um grande volume de dados. A convergência desses fatores proporcionou um cenário favorável para a criação de uma biologia moderna centrada na análise de sistemas biológicos complexos denominada de Biologia Sistêmica ou Systems Biology , que atua em duas principais frentes: 1) oferecer ferramentas computacionais para analisar, integrar e interpretar os dados biológicos e 2) induzir a formulação de novos conceitos para questões biológicas relevantes, como exemplos, a teoria de sistemas dinâmicos, a análise de ruídos moleculares e a estatística aplicada às redes gênicas. A presente proposta tem como objetivo a criação de um NAP em Biologia Integrativa, denominado de Center for Integrative Systems Biology (CISBi) em atenção a uma das metas da FMRP/USP. O CISBi-NAP/USP será apresentado como centro emergente ou não consolidado da FMRP/USP visando principalmente a formação de recursos humanos especializados em bioinformática e análise integrada dos circuitos gênicos ativos em uma célula sob estresse biológico, bem como apoiar projetos que visam estudar a organização estrutural e funcional de genomas de interesse à saúde humana. O CISBi-NAP/USP terá seu núcleo central formado por pesquisadores da área básica e clínica da FMRP/USP e de outras unidades de dentro e fora da Universidade de São Paulo. O CISBi-NAP/USP trabalhará também para promover o desenvolvimento da Medicina Translacional e Personalizada, tendo como base quatro projetos focados nos seguintes temas: genômica, proteômica, epigenômica, nutrigenômica, metabolômica e signalômica. Esses temas são de especial importância para o desenvolvimento de terapias mais individualizadas, conforme particularidades biológicas, no tratamento de doenças humanas e condições nutricionais diretamente relacionadas às doenças.

A Informática de Bioimagens é uma sub-área da Computação que tem como alvo o estudo de métodos e técnicas voltadas ao processamento, à caracterização e à análise de imagens biológicas, com o objetivo de auxiliar o diagnóstico e o estudo clínico e biomolecular.Este projeto visa o desenvolvimento de técnicas computacionais que propiciem a automatização de procedimentos realizados por especialistas durante o processo de avaliação de amostras de tecidos de diferentes regiões anatômicas, por meio da produção e do processamento de imagens microscópicas obtidas a partir de material histopatológico.

Os sistemas de informação para medicina têm por objetivo disponibilizar a informação necessária ao médico de modo rápido e preciso visando assim melhorar a qualidade do cuidado e tratamento de pacientes. Em radiologia, a aplicação de técnicas de recuperação de imagens por conteúdo (Content-based Image Retrieval- CBIR) incorporadas aos Sistemas de Comunicação e Armazenamento de Imagens (Picture Archiving and Communication Systems - PACS) proporciona um avanço na recuperação de imagens armazenadas, antes vinculadas a um identificador do paciente ou de um exame. Com essa nova abordagem as buscas passam a ser realizadas por meio de comparações diretas entre imagens por meio de seus descritores pictóricos, possibilitando efetuar buscas por similaridade e abrindo novos caminhos para utilização do computador e das imagens médicas em atividades de auxílio ao diagnóstico. Este projeto visa permitir integrar a percepção do especialista do que é similar, no processo de recuperação de imagens baseada em seu conteúdo. Assim, deve-se diminuir um dos principais problemas dos sistemas CBIR, quando aplicados em ambientes de apoio ao diagnóstico (Computer-Aided Diagnosis - CAD), que é a lacuna semântica (semantic gap). Tal lacuna origina-se do fato que medidas de similaridade sobre os descritores das imagens, baseados na distribuição de cores/níveis de intensidade, textura e formas, em geral não possuem correlação direta com a semântica subjetiva humana. A idéia principal é desenvolver um mecanismo automático de otimização de consulta por similaridade baseado em parâmetros de percepção levantados pelos próprios radiologistas. Esse método fará uma escolha automática de quais os parâmetros perceptuais deverão ser considerados relevantes no processamento da consulta. Esses parâmetros serão detectados automaticamente, através de mineração de palavras-chave nas justificativas do pedido de exame, dos dados contidos no cabeçalho DICOM das imagens sob processamento.

Desenvolvimento de pesquisas conjuntas, especificamente relacionadas com a busca de biomarcadores de diagnóstico, prognóstico e que possam também ser usados como alvos terapêuticos aplicado ao tratamento de carcinomas de cabeça e pescoço. O estudo focalizará na análise dos mecanismos genéticos e epigenéticos que regulam o transcriptoma e o secretoma em carcinomas de laringe.

Edital MCT- CNPq / MS-SCTIE-DECIT Nº 17/2006: A parte geral do presente projeto pretende atingir os seguintes objetivos: 1) Determinar a prevalência e investigar as características da síndrome de fragilidade em mulheres e homens idosos com 65 anos ou mais, residentes na comunidade, em diferentes regiões geográficas do Brasil, com diferentes níveis de renda e escolaridade e com diferentes status conjugais e tipos de arranjos domiciliares. 2) Analisar indicadores clínicos e auto-relatos de saúde, funcionalidade física e mental, marcadores biológicos de doenças e bem-estar subjetivo. 3) Verificar relações conjuntas entre as variáveis indicadoras da síndrome de fragilidade e variáveis de natureza sócio-demográfica, variáveis indicadoras de saúde e funcionalidade física e mental, marcadores biológicos de doenças e qualidade de vida percebida, relações essas indicadas por conglomerados das variáveis consideradas. 4) Estabelecer perfis de risco de fragilidade tomando-se como base esses conglomerados. 5) Comparar diferentes regiões do país, caracterizadas por diferentes Índices de Desenvolvimento Humano quanto aos perfis de risco para fragilidade. 6) Validar medidas diagnósticas de fragilidade para uso na atenção primária em saúde na velhice. Com a perspectiva de que a gênese da síndrome da fragilidade envolve múltiplos sistemas biológicos, a parte específica deste projeto terá por objetivo investigar: 1. A presença de polimorfismos do receptor de glicocorticóide e sua relação com a fragilidade; 2. A integridade de eixos endócrinos e sua relação com a fragilidade; 3. A presença de alterações genéticas na síndrome da fragilidade: modificações endógenas, exógenas, expressão gênica e encurtamento de telômeros; 4. A integridade de sistemas de regulação do sistema nervoso autonômico, pelo estudo da variabilidade de freqüência cardíaca e da pressão arterial em portadores da síndrome da fragilidade.

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.

MCT- CNPq/ MS-SCTIE- DECIT Nº 23/2006. Organização, integração e centralização da informação referente à atenção básica à saúde na área de abrangência do CSE/FMRP, incluindo informações sobre atendimentos em nível terciário realizados no HCFMRP, e sua aplicação como instrumento de análise, avaliação e tomada de decisão para planejamento e gestão do SUS, com particular atenção às questões referentes a resolutibilidade e referência e contra-referência de pacientes.
O Centro de Saúde Escola da Faculdade de Medicina de Ribeirão Preto da USP (CSE) é composto de 9 unidades, sendo duas Unidades Materno-Infantis, cinco de Programa de Saúde da Família, uma unidade Especializada em Saúde Mental e uma unidade Distrital tipo Policlínica de especialidades com funcionamento ininterrupto 24 horas, para atendimentos a urgências e emergências.
A produção assistencial dessas unidades é bastante expressiva e alimenta diferentes bancos de dados para múltiplas finalidades.
Os Núcleos de Saúde da Família realizaram no último ano 69.151 atendimentos, sendo todos eles lançados tanto no SIAB- Sistema de Informações da Atenção Básica quanto no Sistema Hygia (sistema de informação da Secretaria da Saúde do Município de Ribeirão Preto).
As Unidades Materno-Infantis, Sumarezinho e Núcleo de Saúde Mental tiveram sua produção de 150 mil consultas/ano e cerca de 400 mil procedimentos de nível médio lançadas também em diferentes sistemas, incluindo além de sistemas locais o SIA-SUS - Sistema de Informação Ambulatorial do SUS e Sistema Hygia.
Da maneira como os bancos de dados são compostos atualmente, as unidades, com restrito número de profissionais de área administrativa e, no caso das Unidades de Saúde da Família e Unidades Materno-Infantis - sem qualquer profissional de área administrativa, sobrecarregam-se para digitar as mesmas informações para os diferentes bancos de dados de forma repetida, muitas vezes em detrimento da realização de suas atividades precípuas.

Está sendo desenvolvido um sistema de informação para auxiliar o acompanhamento da saúde e do desenvolvimento de crianças e de adolescentes, em uma unidade de atendimento primário a saúde, o Centro Médico Social Comunitário de Vila Lobato (CMSCVL), localizado na periferia de Ribeirão Preto (~500 mil habitantes), Estado de São Paulo. O CMSCVL é uma unidade de ensino, pesquisa e atendimento à saúde, gerenciada pela Faculdade de Medicina de Ribeirão Preto, da Universidade de São Paulo (USP), com um vasto acervo de prontuários estruturados de pacientes (36 anos), que guarda informações sócio-econômicas, comportamentais e de saúde de grande parte da população de sua área de abrangência (~18 mil habitantes). O presente projeto é fruto de uma parceria estabelecida entre o CMSCVL, pesquisadores, docentes e estudantes de curso de Graduação em Informática Biomédica, da USP/RP e pesquisadores de um grupo de pesquisa do diretório de pesquisa do Brasil/Lattes/CNPq, o NIPE. Este projeto objetiva dar continuidade à modelagem e à implementação do referido sistema, que integrará todos os dados sócio-econômicos, comportamentais e de saúde pertinentes a esta população, visando gerar conhecimento e fornecer informações que otimizem a tomada de decisões no serviço público de saúde, alem de fornecer subsídios para políticas públicas locais e formar capacidades locais no tratamento da informação em saúde. Os resultados e produtos do desenvolvimento do sistema proposto beneficiarão sobretudo grupos de crianças e seus familiares, em situação de risco.

Quando é necessário manipular informações complexas e volumosas, como são as imagens de exames médicos, um dos problemas a serem tratados é o de como armazenar e recuperar tais informações de maneira rápida e precisa. Uma técnica usual é a extração de características (parâmetros) da imagem, que idealmente possibilitem a identificação da mesma de forma inequívoca, ou com a menor ambiguidade possível. Muitas vezes esse processo é baseado na redução da dimensionalidade dos dados: parâmetros são extraídos das imagens e a seguir utilizados para indexá-las agilizando sua busca e recuperação. As estruturas de indexação são ferramentas fundamentais nos sistemas de gerenciamento de bancos de dados, pois habilitam os sistemas gerenciadores de dados a armazenar e recuperar eficientemente os dados de interesse dentre um grande volume de dados. Este projeto propõe construir um Subsistema de Recuperação de Imagens Baseada em Conteúdo (SiRIC), utilizando duas grandes frentes de atuação. Esse subsistema servirá como base para um sistema de armazenagem e recuperação de imagens médicas que será utilizado no núcleo de um protótipo de um sistema PACS, chamado cb-PACS. A primeira frente de atuação corresponde à construção do módulo de indexação de imagens, o qual utilizará uma estrutura de indexação métrica adequada. Para isso iremos utilizar a Slim-tree, devido às suas características de ser dinâmica e possibilitar a otimização de acessos a disco necessários para responder consultas por similaridade. Um tratamento adicional, para minimizar também o cálculo de distâncias na Slim-tree, deverá ser realizado no escopo do projeto proposto. A segunda grande frente de atuação refere-se ao desenvolvimento do módulo de extração de características (parâmetros) das imagens a serem indexadas.

Criar um ambiente integrado onde todas as pessoas envolvidas -- ou que irão se envolver -- com o dia-a-dia das Faculdades poderão, através de uma página na Web, acompanhar as informações que lhes dizem respeito, em vários níveis: Institucional, das Faculdades, dos cursos, das disciplinas e das pessoas envolvidas. Essas pessoas são, por exemplo, os professores, alunos, coordenação, secretaria, direção e público externo. Através do ambiente, por exemplo, um aluno poderá saber a grade das disciplinas de um curso, os comunicados dos professores e da secretaria que lhes dizem respeito, as notas das provas e seu desempenho em relação ao resto da turma, as dependências acadêmicas e pendências administrativas relacionadas com ele. O Ambiente garantirá que as pessoas envolvidas em uma atividade terão acesso a todas as informações que lhes dizem respeito, tornando impossível alegar desconhecimento da mesma. O Ambiente facilitará, de sobremaneira, a comunicação de todos os profissionais e alunos envolvidos no processo de ensino/ aprendizado e alguns profissionais administrativo, reduzindo o tempo necessário para a difusão das informações importantes e os custos associados à essa comunicação.

Projeto de cooperação entre o Laboratório Interdisciplinar de Computação Científica das Faculdades COC (LICC-COC) e a Secretaria Municipal de Saúde de Ribeirão Preto.

Desenvolvimento de sistemas e interfaces para indexação e recuperação de imagens a partir de conteúdo pictórico para serem integrados a sistemas PACS. Definição de atributos para indexação e recuperação de imagens médicas a partir de conteúdo. Implementação de um sistema de de arquivamento e comunicação de imagens com função de recuperação baseada em conteúdo - cbPACS (Content-based PACS).

Este projeto envolve cooperação científica entre instituições de pesquisa brasileiras coordenadas pelo Instituto de Ciências Matemáticas e de Computação (ICMC) da USP e a Carnegie Mellon University dos Estados Unidos. O objetivo é enfocar dois problemas relacionados: a indexação de informações multimídia, tratados como conjuntos de dados em espaços métricos, e o desenvolvimento de técnicas de mineração de dados para a visualização e descoberta de padrões nesses conjuntos.
Uma consulta típica envolvendo dados multimídia poderia ser: encontre todos os rostos de pessoas que estejam dentro de determinado grau de similaridade a um rosto dado. Já uma consulta cuja resposta necessita o emprego de técnicas de mineração de dados seria: encontre todos os pares de impressões digitais dentro de determinado grau de similaridade.
A função de distância ( ou de dissimilaridade) é específica para o domínio de dados em questão, e sempre que ela for comutativa e respeitar a desigualdade triangular, o conjunto de dados será considerado em um espaço métrico. Técnicas já desenvolvidas pelo coordenador americano mostraram como mapear objetos de um espaço métrico para um espaço vetorial de características (features). Assim, espaços vetoriais (ou espaciais), métricos e espaços multimídia são conceitos estreitamente ligados. 
Para as tarefas de indexação dos dados multimídia, este projeto propõe: prover técnicas de estimativa de seletividade e de acessos a disco para responder esses tipos de consultas; e tornar mais eficientes as estruturas de indexação em espaços métricos existentes, melhorando os algoritmos e estruturas de dados empregadas. Nosso otimismo em atingir esses objetivos é baseado em trabalhos conjuntos já realizados, que indicaram que a distribuição de distâncias em espaços métricos e espaciais frequentemente segue uma razão de potências. Essa é a primeira e ainda única evidência de alguma regularidade observada em conjuntos de dados métricos reais.