Universidade Federal do Ceará
Programa de Pós-Graduação em Engenharia de Teleinformática

Defesa de Tese de Doutorado – Raphael Gomes Pinheiro

Título: Entropia Diferencial Multiescala e Agregação de Descritores na Classificação de Folhas de Plantas

Data: 30/09/2025
Horário: 09:00
Local: Google Meet – https://meet.google.com/wsx-zvqa-vsh

Banca Examinadora:
Fátima Nelsizeuma Sombra de Medeiros (UFC, Orientadora)
Kleber Zuza Nobrega (UFC)
Flávio Henrique Duarte de Araujo (UFPI)
Francisco Alixandre Ávila Rodrigues (UFCA)
Letícia Rittner (UNICAMP)

Resumo:
A análise e o reconhecimento de formas são fundamentais no projeto de sistemas baseados em visão computacional. O grande desafio consiste em desenvolver métodos robustos capazes de extrair características significativas dessas formas para representá-las. Nesse contexto, os descritores multiescala são uma alternativa na caracterização de formas, utilizando-se de uma ferramenta versátil e eficiente. Este trabalho apresenta uma metodologia para classificação de folhas de plantas com base em atributos construídos manualmente a partir da entropia da curvatura multiescala e da textura, além de deep features extraídos por redes neurais convolucionais (CNNs). Propomos três descritores de forma baseados na entropia da curvatura multiescala. Esses descritores utilizam a entropia diferencial das distribuições de probabilidade das curvaturas em múltiplas escalas para criar uma representação do contorno da forma, do nível mais geral ao mais detalhado. Apresentamos, assim, um descritor que combina a entropia da curvatura multiescala, a energia de dobramento (bending energy) e atributos de textura, com o objetivo de aprimorar a extração de assinaturas de forma e capturar detalhes sutis da textura das imagens das folhas. O descritor de textura utilizado integra estatísticas do padrão binário local (LBP) e da matriz de coocorrência de níveis de cinza (GLCM). Comparamos nossos descritores manuais com deep features extraídos de diferentes CNNs em uma tarefa de classificação multiclasse, utilizando o classificador Random Forest no lugar da camada totalmente conectada das CNNs. Os experimentos foram realizados em quatro bases públicas de folhas: Plantscan, MED117, Flavia e Swedish. Os resultados obtidos nas métricas F1-score e acurácia, que ultrapassam 99,50%, validam a estratégia de agregação e demonstram que ela é robusta e competitiva. Os resultados também confirmam que a abordagem proposta superou quatro conjuntos distintos de atributos profundos, considerando tanto o F1-score quanto a acurácia. A análise qualitativa por meio da visualização multidimensional dos dados comprova que a combinação de diferentes características de forma e detalhes de textura aprimorou a descrição das imagens das folhas, proporcionando maior compacidade intraclasse e melhor separação entre classes nos conjuntos de dados analisados.

Palavras-chave: Entropia da curvatura multiescala; descrição de formas; deep features; forma de folhas; textura.

---

Defesa de Tese de Doutorado – Elene Firmeza Ohata

Título: Structural and Contextual Multi-Scale Active Contour (SEMS-AC): Um Método de Segmentação de Imagens Biomédicas Baseado em Informações Contextuais e Estruturais

Data: 30/09/2025
Horário: 09:00
Local: Google Meet – meet.google.com/ccn-cozy-jza

Banca Examinadora:
Pedro Pedrosa Rebouças Filho (UFC, Orientador)
Atslands Rego da Rocha (UFC)
Fabricio Gonzalez Nogueira (UFC)
Frederico Gadelha Guimarães (UFMG)
Suane Pires Pinheiro da Silva (IFCE)

Resumo:
Esta tese apresenta o Structural and Contextual Multi-Scale Active Contour (SEMS-AC), um método inovador de segmentação de imagens biomédicas que integra extração multiescalar de características, análise contextual e representações estruturais em um modelo de contornos ativos. A proposta busca aprimorar a acurácia, a robustez e a interpretabilidade da segmentação em cenários de alta relevância clínica. O SEMS-AC combina características hierárquicas multiescalares com mapas de ativação contextuais e representações esqueléticas estruturais para conduzir a evolução adaptativa dos contornos. O método foi avaliado em duas aplicações críticas: (i) segmentação de lesões hemorrágicas em exames de tomografia computadorizada (TC) de crânio, e (ii) segmentação do parênquima pulmonar em imagens de TC de tórax, incluindo casos com comorbidades. Os resultados experimentais demonstraram desempenho superior em relação a modelos clássicos de contornos ativos e a métodos de ponta baseados em aprendizado profundo, alcançando melhorias em métricas quantitativas (ex.: Dice, Jaccard, distância de Hausdorff) e em análises qualitativas. Ao aliar precisão e explicabilidade, o SEMS-AC contribui para o desenvolvimento de sistemas de apoio ao diagnóstico mais confiáveis e transparentes, apoiando a tomada de decisão clínica em neurologia e pneumologia.

Palavras-chave: Segmentação de imagens biomédicas; modelos de contornos ativos; deep learning; acidente vascular cerebral; doenças pulmonares; inteligência artificial explicável.

---

Defesa de Dissertação de Mestrado – Patrícia Tavares Leitão

Título: Comparação de Técnicas de Classificação Unária para Detecção de Crises Epilépticas em Eletroencefalogramas

Data: 19/09/2025
Horário: 13:30
Local: Laboratório SPIRAL – Bloco 732 – Campus do Pici

Banca Examinadora:
Guilherme de Alencar Barreto (UFC, Orientador)
Julio Cesar Santos dos Anjos (UFC)
João Paulo do Vale Madeiro (UFC)
Rewbenio Araujo Frota (PETROBRAS)

Resumo:
O eletroencefalograma (EEG) é um exame amplamente utilizado no apoio ao diagnóstico de distúrbios neurológicos. Entre suas aplicações, destaca-se o EEG de escalpo, um método não invasivo bastante empregado na detecção da epilepsia, realizado por meio da fixação de eletrodos na superfície do couro cabeludo. Na área do aprendizado de máquina, a identificação de crises epilépticas é uma tarefa recorrente e, para a detecção de anomalias, geralmente são adotadas duas abordagens: a classificação binária e a classificação unária. Neste contexto, o presente trabalho explora a aplicação da classificação unária (one-class classification) em sinais de EEG. Foram analisados sete métodos: distância euclidiana mínima ao centróide, distância euclidiana mínima ao centróide kernel, distância Mahalanobis mínima ao centróide, PCA, kernel PCA, one-class SVM e isolation forest. Para isso, utilizou-se o conjunto de dados público de benchmark (CHB-MIT Scalp EEG), considerando diferentes hipóteses de extração de segmentos com ocorrência de crises (EEG ictal) e sem ocorrência de crises (EEG não-ictal), para a geração dos conjuntos de treino e teste. A extração de atributos foi realizada por meio do vetor de covariâncias, um método rápido e eficiente para a tarefa em questão. Além disso, realizou-se uma análise comparativa com um trabalho da literatura que utilizou a classificação binária. A partir da análise e discussão dos resultados, observou-se que alguns classificadores unários baseados em kernel apresentaram um desempenho satisfatório quando comparados aos classificadores binários.

Palavras-chave: Crises Epilépticas; Eletroencefalograma; Detecção de Anomalias; Classificação Unária; Aprendizado de Máquinas.

---

Defesa de Tese de Doutorado – Francisco Jackson Lopes de Almeida

Título: Aplicações da Disentropia da Autocorrelação e da Função Wq de Lambert-Tsallis em Astronomia

Data: 26/09/2025
Horário: 14:00
Local: Sala de Seminários do LESC

Banca Examinadora:
Rubens Viana Ramos (UFC, Orientador)
Guilherme de Alencar Barreto (UFC)
João Batista Rosa Silva (UFC)
Celso Jorge Villas Boas (UFSCar)
Joacir Soares de Andrade (IFCE)

Resumo:
A presente tese trata de algumas aplicações da disentropia da autocorrelação e da função Wq de Lambert-Tsallis em astronomia. Inicialmente, a disentropia da autocorrelação, que é uma medida de aleatoriedade, é usada em três problemas: I) Cálculo da aleatoriedade de mapas da radiação cósmica de fundo (CMB). II) No apagamento de estrelas de fundo em imagens astronômicas. III) No cálculo da aleatoriedade do sinal real de um pulsar utilizado como gerador de números aleatórios. No primeiro problema é mostrado que a aleatoriedade nos mapas da CMB é alta e atinge seu valor máximo quando os sinais provenientes da via Láctea são apagados do mapa. No segundo problema, o algoritmo proposto apaga regiões da imagem astronômica que possuam alta aleatoriedade, deixando em destaque na imagem as grandes estruturas. Por fim, no terceiro problema é mostrado que a aleatoriedade do sinal proveniente do pulsar PSR J0437-4715 cresce quando o intervalo entre os pulsos considerados aumenta. O valor máximo da aleatoriedade é alcançado quando os pulsos são coletados de 6 em 6. Na segunda parte da tese a função Wq de Lambert-Tsallis é utilizada em dois problemas: I) Na análise da frequência de rotação do pulsar a partir da frequência da onda gravitacional emitida por esse mesmo pulsar. II) Na aproximação da solução da equação de Kepler. No primeiro caso, o ponto de ramificação da função Wq é utilizado na obtenção de uma relação entre os coeficientes da equação da frequência de rotação, a frequência da onda gravitacional emitida e a frequência Kepleriana de ruptura. No segundo caso, é apresentado um algoritmo numérico usando Wq que calcula a solução da equação de Kepler da mecânica celeste com erro menor que 10⁻⁴ quando a excentricidade da elipse da órbita for menor ou igual a 0,3.

Palavras-chave: Disentropia; função Wq de Lambert-Tsallis; pulsar; aleatoriedade.

---

Defesa de Dissertação de Mestrado – Pedro Victor Martins Castro

Título: From monostatic to bistatic ISAC: A study on angular estimation, transmit precoding and probabilistic constellation shaping