Horário: 14h

Palestrante: Willian de Oliveira Barreiros Junior (doutorado)

Orientador: Prof George Teodoro

Title: Efficient Execution of Microscopy Image Analysis on Distributed Memory Hybrid Machines

Resumo:  A análise de imagens de whole slide tissue image (WSIs) é uma tarefa computacionalmente cara, impactando negativamente no uso de dados de patologia em imagens em larga escala para pesquisa. Diversas soluções paralelas para otimizar tais aplicações já foram propostas, mirando no uso de dispositivos e ambientes, como CPUs, GPUs e/ou sistemas distribuídos. Porém, a execução eficiente de código paralelo em máquinas híbridas e/ou distribuídas permanece um problema em aberto para histopatologia digital. Desenvolvedores de aplicações podem precisar implementar múltiplas versões de código para diferentes dispositivos de hardware. Desenvolvedores também precisam lidar com os desafios de distribuição eficiente de carga para nós computacionais de máquinas de memória distribuída, assim como para os dispositivos de execução de cada nó. Essa tarefa pode ser particularmente difícil para analises de imagens de alta resolução com custo computacional dependente de conteúdo. Este trabalho tem como objetivo propor uma solução para a simplificação do desenvolvimento de aplicações de análise de WSI, assegurando o uso eficiente de recursos distribuídos híbridos (CPU-GPU). Para esse fim foi proposto um modelo de execução de alto nível de abstração, em conjunto com um método de particionamento automático de carga. A fim de validar os métodos e algoritmos propostos, uma linguagem de processamento de imagem de alto nível de abstração (Halide) foi utilizada como solução de paralelismo local (CPU/GPU), junto com o Region Templates (RT), um sistema de gestão de coordenação de dados e tarefas entre nós distribuídos. Também foi desenvolvida uma nova estratégia cost-aware de particionamento de dados (CADP) que considera a irregularidade de custo de tarefas a fim de minimizar o desbalanceamento de carga.

Horário: 14h20

Palestrante: George Oliveira Barros (doutorado) 

Orientador: Prof Flávio Vidal

Título: Métodos Computacionais para Identificação Automática de Podocitopatia em Imagens de Glomérulos Renais

Abstract: Podocytopathy is a disease characterized by lesions that affect the podocytes, which are internal cells of a biological structure present in the kidney tissue, called the glomerulus. Lesions in podocytes can impair the filtering process, an important task performed by the glomerulus, in addition to being biomarkers of several diseases such as: glomerulosclerosis, proteinuria, and diabetes. To identify podocytopathy on images of glomeruli, nephropathologists perform a visual inspection of microscopic images obtained from biopsy. This task is challenging. Podocytes are easily confused with other cells inside the glomerulus, inspection is subject to the subjectivity of the human specialist, in addition to being a laborious and time-consuming task. Computational pathology appears as an alternative to propose automatic methods/techniques that help pathologists in the visual analysis of tissue slides. However, the main approaches used among similar works are based on deep learning, which makes it necessary to develop sets with large amounts of data. In view of the lack of studies that address the problem of podocytopathy and the bottleneck identified among the approaches recurrently used in similar works, this study proposes the development of computational methods for the automatic analysis of podocytopathy in renal glomeruli images that are able to generalize from limited data (small number of samples). As a methodology, we propose to carry out the classification and segmentation tasks of podocyte lesions and we will compare approaches based on traditional deep learning architectures with approaches based on limited data (Few- shot learning). 

Horário: 14h40

Palestrante: Beatriz Fragnan (mestrado) 

Orientadora: Profa Maristela Terto 

Título: Ciclo de Vida de Data Warehouse baseado em NoSQL: Adaptações e Análise de Desempenho de Arquiteturas

Resumo: O contexto de Data Warehouse (DW) encontra-se em constante transformação nas organizações públicas e privadas. Tendo em vista que os DW originalmente se apoiavam nos bancos de dados relacionais, com o surgimento do Big Data, novas propostas para a gestão de grandes volumes de dados têm sido definidas na literatura, motivando um investimento em soluções alternativas por parte de diversas organizações. Como centro de um Sistema de Apoio à Decisão (SAD), o DW precisa extrair valor dessa grande massa de dados disponível. Assim, uma das alternativas existentes é utilizar soluções Not-only SQL (NoSQL) para modelar e processar DW, devido às suas características de flexibilidade e escalabilidade. Nesse contexto, este trabalho tem por objetivo analisar os desafios advindos da adoção do novo paradigma (NoSQL) e sugerir uma adaptação ao ciclo de vida de DW proposto por Kimball, quando se migra para o paradigma NoSQL, para diferentes bancos de dados NoSQL pré-selecionados. Posteriormente, será feito um estudo caso para desenvolver DW baseados em bancos de dados NoSQL com dados abertos do Exército Brasileiro. Com a implementação do estudo de caso será possível não só verificar a influência da modelagem de dados no desempenho das consultas selecionadas, mas também realizar uma comparação de desempenho dos paradigmas relacional e não-relacional

Horário: 15h

Palestrante: Ítalo Barbosa Brasileiro (doutorado) 

Orientador: Prof André Drummond

Título: Comutação esparsa de núcleo em redes ópticas elásticas com multiplexação espacial

Abstract: The single-core fibers applied in the transport network links are taking the bandwidth availability to the limit. As the traffic volume continuously increases year by year, new technologies are demanded to supply future bandwidth requirements. The technology of elastic optical networks emerges as a strong candidate, and the application of multi-core fibers in its links multiplies the availability of resources, by allowing the resource exploration in an extra layer: the spatial domain. However, some adjustments need to be performed, to reach the full potential of the multi-core fibers. The core continuity problem causes a division in the SDM-EON literature. The lack of technology to perform core switching reduces the potential of spatial division multiplexed networks. In this research, we evaluate the benefits of core switching occurrence. Furthermore, we evaluate the sparse distribution of nodes with core-switching capabilities, as an attempt to reach a performance near the full core-switch network.

Horário: 15h20

Palestrante: Lucas dos Santos Althoff (doutorado) 

Orientadora: Profa Mylène Farias

Title: Ambiguity Interval of 360 Image Quality Metrics via Successive Viewport Equivalence

Abstract: Objective image quality metrics try to estimate the given image's perceptual visual quality by considering the characteristics of the human visual system.  However, the metrics may produce different quality scores even for two images that are perceptually indistinguishable by human viewers. Aiming at selecting the best metric for specific applications, the accuracy of the metrics can not be enough to indicate the metric's rank priority, for that scenario visual ambiguity can determine the ranking list. The evaluation of ambiguity has been initially investigated for regular images (Cheon, 2021), however no study of ambiguity of objective IQA metrics was performed for 360 images. In this work, the observation of 360 images is interpreted as a sequence of regular viewports, it is non-trivial how the observed viewports impact the final quality judgment. To establish the visual ambiguity of IQA metrics in the context of 360 Images, our framework has two modules the user behavior imitation (UBI) and the distortions generator module. The UBI uses a target HMD specification to render a sequence of viewports representing the head navigation followed by an automatic visual equivalence evaluation. Supporting the user behavior imitation, the distortion generator gradually applies visual distortions to the images, finally, our framework uses new temporal-sampling heuristics as a regression for the ambiguity interval computation, to provide a statistical stable result, a set of fake users is generated to validate the final ambiguity interval.

Horário: 15h40

Palestrante: João Bachiega Junior (doutorado) 

Orientadora: Profa Aleteia Favacho 

Título: Uma Proposta para a Descoberta e Alocação de Recursos Computacionais na Computação em Névoa

Resumo: A computação em névoa é um paradigma distribuído que fornece recursos computacionais nas proximidades dos usuários. A orquestração do paradigma de computação em névoa é um conjunto de funcionalidades que coordenam a infraestrutura dinâmica e gerenciam os serviços para garantir os acordos de nível de serviço. O monitoramento é uma funcionalidade de orquestração de primordial importância, pois ele é a base para ações de gerenciamento de recursos, coletando status de recursos e serviços, e entregando dados atualizados ao orquestrador. Existem várias soluções e ferramentas de monitoramento em nuvem, mas nenhuma delas atende às características e desafios da fog. As soluções de monitoramento de fog são escassas e podem não estar preparadas para compor um serviço de orquestração. Assim, neste trabalho é proposta uma nova taxonomia de soluções de monitoramento de fog e uma arquitetura de monitoramento em fog computing que oferece soluções para alguns dos desafios encontrados na literatura. A avaliação da arquitetura proposta se dará por meio de uma prova de conceito. 

Local: Teams- Equipe PPGI-316415 Seminário, Canal 2-2022

https://teams.microsoft.com/l/channel/19%3a05900df7390e45edaa77283171cbb44b%40thread.tacv2/Semin%25C3%25A1rios%25202-2022?groupId=93b66213-b249-467a-bcbe-dcd4255edf95&tenantId=ec359ba1-630b-4d2b-b833-c8e6d48f8059

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora Seminários de Pós-Graduação em Informática 2-2022