AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC
|
|
- Ana Clara Benevides Belmonte
- 7 Há anos
- Visualizações:
Transcrição
1 AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS Wellngton P. dos Santos, Rcardo E. de Souza, Ascendno F. Das e Slva e Plíno B. dos Santos Flho 4 Departamento de Sstemas Computaconas Escola Poltécnca de Pernambuco Unversdade de Pernambuco , Recfe, Pernambuco e-mal: wps@dsc.upe.br Departamento de Físca Unversdade Federal de Pernambuco , Recfe, Pernambuco e-mal: res@df.ufpe.br Departamento de Eletrônca e Sstemas Unversdade Federal de Pernambuco , Recfe, Pernambuco e-mal: afds@ufpe.br 4 Department of Physcs North Carolna State Unversty Ralegh, North Carolna, EUA e-mal: c5@terra.com.br Resumo - A doença de Alzhemer é a causa mas comum de demênca, anda dfícl de dagnostcar com precsão sem o uso de técncas nvasvas, partcularmente no começo da doença. Este trabalho aborda classfcação e análse de magens sntétcas multespectras compostas por volumes cerebras de ressonânca magnétca (RM) ponderados em dfusão para avalação da área de fludo cérebro-espnal e sua correlação com o avanço da doença de Alzhemer. Um sstema de magens de RM de,5 T fo utlzado para adqurr todas as magens apresentadas. Os métodos de classfcação são baseados em perceptrons multcamadas e classfcadores de redes de função de base radal. Assume-se que as classes de nteresse podem ser separadas por hperquádrcas. Uma rede polnomal de grau é utlzada para classfcar os volumes orgnas, gerando um volume verdade. Os resultados de classfcação são utlzados para melhorar a análse usual pelo mapa de coefcentes de dfusão aparentes. Palavras-chave - doença de Alzhemer, magens de ressonânca magnétca, análse multespectral, classfcadores baseados em redes neuras, redes de função de base radal. Introdução A doença de Alzhemer é a maor causa de demênca, tanto no grupo etáro senl quanto no pré-senl, observando-se seu aumento gradual à medda em que o ndvíduo envelhece [,]. As prncpas manfestações da doença compreendem o comprometmento cogntvo com gradual perda de memóra, além de sntomas pscológcos, neurológcos e comportamentas que ndcam declíno nas atvdades da vda dára como um todo []. O mal de Alzhemer é caracterzado pela redução da matéra cnzenta e pelo aumento dos sulcos. A matéra cnzenta é responsável pela memóra e sua redução explca a perda gradual de memóra no ndvíduo senl afetado por esta doença. Entretanto, também a matéra branca é afetada, apesar de ser desconhecda a relação entre a doença e a matéra branca [4-7]. A aqusção de magens de ressonânca magnétca ponderadas em dfusão possblta a vsualzação da dlatação dos cornos temporas dos ventrículos lateras, além de realçar o aumento dos sulcos, que estão relaconados com o avanço da doença de Alzhemer [8]. Assm, a medção volumétrca de estruturas cerebras é de grande mportânca para o dagnóstco e a avalação do progresso de doenças como o mal de Alzhemer [,9-], em especal a medção das áreas ocupadas pelos sulcos e pelos ventrículos lateras, pos estas meddas permtem a adção de nformação quanttatva à nformação qualtatva expressa pelas magens de ressonânca magnétca ponderadas em dfusão []. A avalação do progresso da doença de Alzhemer por meo da análse de magens de ressonânca magnétca ponderadas em dfusão é feta a partr da aqusção de no mínmo três magens de cada fata de nteresse, onde cada uma dessas magens é adqurda usando a seqüênca eco de spn Stejskal-Tanner, com expoentes de dfusão dferentes, sendo um deles gual a 0
2 s/mm. Ou seja, uma das três magens é uma magem ponderada em T [5,8]. Utlzando essas três magens assm adqurdas, é montada uma quarta magem, o mapa, ou mapa de coefcentes de dfusão aparente (Apparent Dffuson Coeffcent Map), onde cada pxel corresponde ao coefcente de dfusão aparente do voxel correspondente. Quanto maor o brlho do pxel no mapa, maor o coefcente de dfusão aparente [8]. Este trabalho propõe uma nova abordagem para avalação do progresso da doença de Alzhemer: uma vez que o mapa usualmente apresenta pxels com ntensdades não nulas em regões não ocupadas pela amostra, alguma ncerteza também pode ser levantada quanto aos coefcentes de dfusão do nteror da amostra, sendo sensível à presença de ruídos nas magens [8]. Assm, neste estudo de caso, as magens são utlzadas na composção de uma únca magem multespectral, onde cada uma das magens ponderadas em dfusão se comporta como uma banda espectral de uma magem multespectral sntétca. A magem multespectral sntétca assm montada é então classfcada utlzando dos métodos: as redes neuras perceptrons multcamadas (MLP) e as redes de função de base radal.. Materas e Métodos.. Imagens Ponderadas em Dfusão e Mapas As magens de ressonânca magnétca (RM) ponderadas em dfusão foram obtdas a partr do banco de magens clíncas do Laboratóro de Imagens de Ressonânca Magnétca do Departamento de Físca da Unversdade Federal de Pernambuco. O banco é composto de magens clíncas reas obtdas por um tomógrafo clínco de RM de,5 T. Neste trabalho foram utlzadas 80 magens de ressonânca magnétca axas ponderadas em dfusão, ou seja, 4 volumes cerebras de 0 fatas axas cada, sendo um desses volumes composto por mapas, correspondentes a um pacente do sexo masculno, de 70 anos de dade, portador da doença de Alzhemer. Para realzar o trenamento fo escolhda a fata de cada amostra volumétrca de 0 fatas, dado que essa fata mostra os cornos temporas dos ventrículos lateras, o que permte uma avalação mas clara por parte do especalsta e faclta a correlação entre os dados gerados pela ferramenta computaconal e o conhecmento a pror do especalsta. Além dsso, a fata apresenta artefatos fora da regão cranal em quantdade consderável. Podem-se consderar magens como funções matemátcas, onde seu domíno é uma regão do plano dos nteros, a grade, e seu contradomíno é o conjunto dos valores possíves de serem assumdos pelos pxels correspondentes a cada posção da grade. Fgura. Volume ponderado em dfusão com expoente de dfusão 0 s/mm
3 Fgura. Volume ponderado em dfusão com expoente de dfusão 500 s/mm Fgura. Volume ponderado em dfusão com expoente de dfusão 000 s/mm Seja f : S W o conjunto das magens de RM ponderadas em dfusão, onde, R S Z é a grade da magem f, onde W é seu contradomíno. Cada magem multespectral sntétca f : S W ntegrante do volume multespectral a ser classfcado é composta pelas magens de RM ponderadas em dfusão obtdas dos volumes mostrados nas fguras, e, sendo dada por: f ( T u ) ( f ( u), f ( u), f ( u)), () onde u S é a posção do pxel na magem f, e f, f e f são as magens de RM de dfusão. Consderando que cada pxel f ) é aproxmadamente proporconal ao snal do voxel correspondente como segue [-9]: (u (u TE / T ( u) b D ( u) f ( u) Kρ ( u) e e, () onde D ) é o coefcente de dfusão de spn assocado ao voxel da posção u, meddo após o -ésmo expermento; (u) é a densdade de spns nucleares no referdo voxel; K é uma constante de proporconaldade; T ( u ) é o tempo de relaxação transversal no voxel; T E é o tempo de eco e b é o expoente de dfusão, dado por [8,0,]: ρ
4 b γ G TE, () onde γ é a constante gromagnétca e G é o gradente aplcado no -ésmo expermento. As fguras, e mostram os volumes de magens ponderadas em dfusão com expoentes de dfusão 0 s/mm, 500 s/mm e 000 s/mm, respectvamente. A análse de magens de RM ponderadas em dfusão é usualmente realzada através dos mapas, calculados como segue []: f : S W, onde C é uma constante de proporconaldade. C f( u) C f( u) ( ) ln ln, ( ) ( ) f u + (4) b f u b f u Consderando n expermentos, pode-se generalzar a equação 4 como segue: Portanto, o mapa é dado por: f n C f( u) ( u ) ln. ( ) (5) b f u f ( u) CD( u), (6) onde D (u) é a méda amostral das meddas do coefcente de dfusão D (u) [5,,4]. Fgura 4. Volume composto de mapas calculados a partr das magens de dfusão dos volumes anterores Portanto, os pxels do mapa são proporconas aos coefcentes de dfusão nos voxels correspondentes. Entretanto, como as magens são adqurdas em dferentes momentos, deve-se consderar a ocorrênca de ruído em todos os expermentos. Na fgura 4 pode-se notar dversos artefatos devdos à presença de ruído. Nas regões da magem onde a relação snal-ruído é pobre (por exemplo, s / n ), o mapa produz artefatos como conseqüênca do cálculo do logartmo (ver equações 4 e 5). Esses fatores levam à segunte conclusão: os pxels do mapa não necessaramente correspondem aos coefcentes de dfusão, uma vez que dversos pxels ndcam altas taxas de dfusão em voxels onde smplesmente não há amostra ou em áreas muto sóldas, como a caxa cranal, por exemplo, como pode ser notado na fgura 4. Essa é a razão pela qual esses mapas ndcam coefcentes de dfusão aparentes, e não reas.
5 Neste trabalho propõe-se uma alternatva à análse do mapa : a análse multespectral do volume composto pelas magens f : S W utlzando métodos baseados em redes neuras... Análse Multespectral utlzando Redes Neuras Seja o unverso de classes de nteresse Ω { C, C, C}, C representa os coefcentes de dfusão assocados ao fludo cérebro-espnal; C, matéra branca e cnzenta, uma vez que não podem ser dstngudas por meo de magens de dfusão, pos seus coefcentes de dfusão são muto próxmos; C corresponde ao fundo da magem. Para a análse multespectral utlzando redes neuras, as entradas são assocadas ao vetor x ( x, x, x ) T, onde x f (u), para. As saídas da rede representam as classes de nteresse e estão assocadas ao vetor T y ( y, y, y ), onde cada saída corresponde à classe de mesmo índce. O crtéro de decsão é baseado no crtéro de Bayes: a maor saída ndca a classes mas provável [5,6]. O conjunto de trenamento é construído utlzando conhecmento especalsta durante a seleção das regões de nteresse [7]. O volume de magens multespectras sntétcas fo classfcado usando os seguntes métodos: ) Perceptron multcamadas (MLP): Taxa de aprendzado ncal η 0, 0, erro de trenamento ε 0, 05, máxmo de 000 terações, entradas, saídas, camadas, 60 neurônos na camada [7]; ) Rede de função de base radal (RBF): entradas, camadas; camada : mapa de k-médas com 8 neurônos na camada, taxa de aprendzado ncal η 0, 0, máxmo de 00 terações; camada : saídas, máxmo de 00 terações, taxa de aprendzado ncal η ' 0, [7]. 0 O perceptron multcamadas fo escolhdo para se avalar o desempenho da classfcação multespectral baseada em redes neuras clásscas de duas camadas. O número de entradas e saídas corresponde ao número de bandas e de classes de nteresse, respectvamente. O erro de trenamento fo escolhdo consderando o máxmo ruído estmado em magens ponderadas em dfusão. O número de neurônos na camada e a taxa de aprendzado foram determnados emprcamente. A rede de função de base radal fo escolhda para avalar o desempenho da classfcação multespectral baseada em uma estratéga orentada a problemas locas. O número de entradas e saídas corresponde ao número de bandas e de classes de nteresse, respectvamente. A taxa de aprendzado fo determnada emprcamente. Para mplementar os métodos utlzados e reconstrur os volumes, fo desenvolvda uma ferramenta computaconal que recebeu o nome de AnImed, construída utlzando a lnguagem de programação orentada a objeto Object Pascal no ambente de desenvolvmento Delph 5. A vsualzação dos volumes fo efetuada por meo da ferramenta baseada em Java, ImageJ, desenvolvda pelo NIH (Natonal Insttute of Health, EUA) e do plugn VolumeVewer... Análse do Mapa usando Fuzzy C-Médas Para comparar os métodos propostos e o mapa é precso extrar nformação quanttatva e qualtatva do mapa. Isso é possível aplcando uma classfcação monoespectral não-supervsonada ao mapa utlzando um método baseado em agrupamento [8,9]. Fo escolhdo então o fuzzy c-médas (-CM) com entradas, saídas, máxmo de 00 terações e taxa de aprendzado ncal η 0, 0. As entradas são assocadas ao vetor representam as classes de nteresse e estão assocadas ao vetor T x ( x, x, x ), onde ( ) T y ( y, y, y ) x f u, para. As saídas da rede, onde cada saída corresponde à classe de mesmo índce. O crtéro de decsão empregado é o mesmo da subseção anteror: a maor saída ndca a classe mas provável [5,6]. O conjunto de trenamento é composto por pxels da magem f e construído usando conhecmento especalsta na seleção das regões de nteresse [7].
6 . Resultados Para avalar objetvamente os resultados da classfcação volumétrca, foram utlzados três métodos: o índce κ, a acuráca global e a matrz de confusão. A avalação subjetva fo realzada utlzando conhecmento especalsta. As classes fundo da magem ( C ), matéra branca e cnzenta ( C ), e líqudo cérebro-espnal ( C ) foram assocadas às seguntes cores: preto, cnza e branco, respectvamente. A fgura 5 mostra o conjunto de trenamento montado sobre a fata do volume de mapas, enquanto a fgura 6 mostra o volume verdade. Para a tarefa de classfcação, assume-se que as classes de nteresse são separáves por hperquádrcas. Portanto, escolhe-se uma rede polnomal para classfcar o volume multespectral orgnal e gerar um volume verdade. O grau do polnômo fo emprcamente determnado pelo seu ncremento gradual até que não houvesse dferenças sgnfcatvas entre a classfcação presente e a classfcação medatamente anteror. A rede polnomal é uma rede de duas camadas: a prmera é uma rede multplcatva que gera todos os termos do polnômo de grau a partr das entradas; a segunda camada consste em um perceptron de camada únca com taxa de aprendzado ncal η 0, 0 e erro de trenamento ε 0, 05, máxmo de 00 terações de trenamento, responsável pelo cálculo dos coefcentes do polnômo que modela as funções dscrmnantes de cada classe [5,6]. A rede polnomal é um aproxmador polnomal. A taxa de aprendzado e o erro de trenamento foram determnados emprcamente. Fgura 5. Conjunto de trenamento Fgura 6. Volume verdade gerado pela classfcação usando a rede polnomal
7 A matrz de confusão para o unverso de classes de nteresse Ω é uma matrz m m, T [ t, j ], onde cada elemento m m t, j representa o número de objetos pertencentes à classe C j classfcados como C, onde Ω { C, C, K, Cm} [5,0]. A acuráca global φ é a razão entre o número de objetos corretamente classfcados e o total de objetos, defnda como segue [5,0]: m t, φ ρv. m m (7) t j, j O índce κ é um índce de correlação estatístca defndo como segue [5]: onde: ρv ρ z κ, (8) ρ m z m m ( t )( ) j, j t j j., z m m t j, j ρ (9) Fgura 7. Classfcação pelo método fuzzy c-médas usando o mapa A fgura 7 mostra o resultado da classfcação do mapa usando o método fuzzy c-médas. As fguras 8 e 9 mostram os resultados da classfcação do volume de magens multespectras sntétcas composto pelos volumes das fguras, e usando os métodos MLP e RBF, respectvamente. A tabela apresenta o índce κ e a acuráca global φ, enquanto a tabela mostra os volumes percentuas V, V e V ocupados pelas classes de nteresse C, C e C, nesta ordem, bem como a razão entre o volume de líqudo cérebro-espnal e o volume total de matéra branca e cnzenta, denomnada smplesmente de razão fludo-matéra, expressa por V /V.
8 Fgura 8. Classfcação pelo perceptron multcamadas Fgura 9. Classfcação pela rede de função de base radal Tabela : Acuráca global φ (%) e índce κ para os métodos de classfcação MLP BRF -CM φ (%) 88,540 99,587 58,54 κ 0,608 0,968 0,495 Tabela : Volumes percentuas e razão fludo-matéra para os métodos de classfcação MLP RBF -CM PO V (%) 7,607,6 8,74,697 V (%),546 7,87 4,54 7,00 V (%) 80,847 8,0 46,90 8,9 V 0,659 0,094 0,546 0,00 /V
9 4. Dscussão e Conclusões Os resultados da classfcação multespectral forneceram uma melhor avalação, tanto quanttatva quanto qualtatva, dos volumes adqurdos, tornando possível a medção dos volumes de nteresse, em especal a razão entre o volume ocupado pelo líqudo cérebro-espnal e o volume ocupado pelas matéras branca e cnzenta, correlaconando essa razão com o avanço da doença de Alzhemer. Da tabela pode-se notar que a abordagem multespectral, com índce κ de 0,608 e 0,968 para o perceptron multcamadas e para a rede de função radal, respectvamente, é superor à análse do mapa pelo método fuzzy c-médas, com índce κ de 0,495. Esses resultados são confrmados quando se observa os volumes classfcados das fguras 8 e 9 e se compara com o volume classfcado da fgura 7, onde se pode notar dversas áreas fora da amostra e na caxa cranal marcadas como líqudo cérebro-espnal ou matéra branca ou cnzenta. A partr dos resultados obtdos fca claro que o perceptron multcamadas superestmou o volume ocupado pelo líqudo cérebroespnal (ver fgura 8). Quanto este resultado é comparado com o volume com expoente de dfusão 0 (ver fgura ), pode-se perceber que os ventrículos esquerdo e dreto são separados. Além dsso, os sulcos também foram superestmados, o que podera levar um especalsta a talvez consderar esse caso de Alzhemer como mas avançado do que realmente é. V /V A superestmação dos volumes também pode ser percebda nos resultados na tabela, onde a razão fludo-matéra ( ) é de 0,659 para o perceptron multcamadas. Da mesma ordem, portanto, do resultado obtdo pela classfcação do mapa pelo método fuzzy c-médas, com V V 0, 546, quase 6 vezes a taxa obtda pela rede de função de base radal, com / V V 0,094, muto próxma, portanto, daquela obtda pela rede polnomal, V V 0, 00 / /. Conseqüentemente, a rede RBF pode ser consderada uma boa estmadora da razão fludo-matéra, enquanto a rede MLP pode ser descartada. A classfcação multespectral de magens de RM ponderadas em dfusão fornece uma boa alternatva à análse do mapa, consstndo em uma ferramenta matemátca bastante útl para analsar tanto quanttatva quanto qualtatvamente o progresso da doença de Alzhemer pelo especalsta. 5. Agradecmentos Ao CNPq, pelo fnancamento de parte deste trabalho. 7. Referêncas Bblográfcas [] M. Ewers, S. J. Tepel, O. Detrch, S. O. Schönberg, F. Jessen, R. Heun, P. Scheltens, L. van de Pol, N. R. Freymann, H. J. Moeller, and H. Hampela, Multcenter assessment of relablty of cranal MRI, Neurobology of Agng, 7, , 006. [] M. S. Mega, I. D. Dnov, J. C. Mazzotta, M. Manese, P. M. Thompson, C. Lndsheld, J. Moussa, N. Tran, K. Olsen, C. I. Zoumalan, R. P. Woods, and A. W. Toga, "Automated bran tssue assessment n the elderly and demented populaton: Constructon and valdaton of a sub-volume probablstc bran atlas", NeuroImage, 6, , 005. [] S. Xe, J. X. Xao, J. Ba, and X. X. Jang, "Patterns of bran actvaton n patents wth mld Alzhemer's dsease durng performance of subtracton: An fmri study", Clncal Imagng, 9, 94-97, 005. [4] O. Frman, G. Farnebäck, and C. F. Westn, "A Bayesan Approach for Stochastc Whte Matter Tractography", IEEE Transactons on Medcal Imagng, 8, 5, , 006. [5] O. Naggara, C. Oppenhem, D. Reu, N. Raoux, S. Rodrgo, G. D. Barba, and J. F. Meder, "Dffuson tensor magng n early Alzhemer's dsease", Psychatry Research Neuromagng, 46, 4-49, 006. [6] M. Bozzal, A. Faln, M. Francesch, M. Cercgnan, M. Zuff, G. Scott, G. Com, and M. Flpp, "Whte matter damage n Alzhemer's dsease assessed n vvo usng dffuson tensor magnetc resonance magng", Journal of Neurology, Neurosurgery and Psychatry, 7, , 00.
10 [7] A. T. Du, N. Schuff, L. L. Chao, J. Kornak, F. Ezekel, W. J. Jagust, J. H. Kramer, B. R. Reed, B. L. Mller, D. Norman, H. C. Chu, and M. W. Wener, Whte matter lesons are assocated wth cortcal atrophy more than entorhnal and hppocampal atrophy", Neurobology of Agng, 6, , 005. [8] E. M. Haacke, R. W. Brown, M. R. Thompson, and R. Venkatesan, Magnetc Resonance Imagng: Physcal Prncples and Sequence Desgn, Wley-Lss, 999. [9] O. T. Carmchael, H. A. Azensten, S. W. Davs, J. T. Becker, P. M. Thompson, C. C. Meltzer, and Y. Lu, "Atlas-based hppocampus segmentaton n Alzhemer's dsease and mld cogntve mparment", NeuroImage, 7, , 005. [0] Y. Hrata, H. Matsuda, K. Nemoto, T. Ohnsh, K. Hrao, F. Yamashta, T. Asada, S. Iwabuch, and H. Samejma, "Voxelbased morphometry to dscrmnate early Alzhemer's dsease from controls", Neuroscence Letters, 8, 69-74, 005. [] N. Pannaccull, A. Del Parg, K. Chen, D. S. N. T. Le, E. M. Reman, and P. A. Tatarann, "Bran abnormaltes n human obesty: A voxel-based morphometrc study", NeuroImage,, 49-45, 006. [] S. Hayasaka, A. T. Du, A. Duarte, J. Kornak, G. H. Jahng, M. W. Wener, and N. Schuff, "A non-parametrc approach for co-analyss of mult-modal bran magng data: Applcaton to Alzhemer's dsease", NeuroImage, 0, , 006. [] W. C. Wu, K. H. Kao, P. H. La, and H. W. Chung, "Mult-Component Decay Behavor on Hgh-b-Value Dffuson Weghted MRI", Procedngs of the rd Annual EMBS Internatonal Conference", EMBS-IEEE, Instanbul, Turkey, 86-88, 00. [4] I. Elshafey, "Dffuson Tensor Magnetc Magnetc Resonance Imagng of Lesons n Multple Scleross Patents", 9th Natonal Rado Scence Conference, EMBS-IEEE, Alexandra, Egypt, 66-6, 00. [5] P. J. Basser and S. Pajevc, "A Normal Dstrbuton for Tensor-Valued Random Varables: Applcatons to Dffuson Tensor MRI", IEEE Transactons on Medcal Imagng, 7,, , 00. [6] B. Wang, P. K. Saha, J. K. Udupa, M. A. Ferrante, J. Baumgardner, D. A. Roberts, and R. R. Rz, "D arway segmentaton method va hyperpolarzed $^$He gas MRI by usng scale-based fuzzy connectedness", Computerzed Medcal Imagng and Graphcs, 8, 77-86, 004. [7] Y. Chen, W. Guo, Q. Zeng, X. Yan, F. Huang, H. Zhang, G. He, B. C. Vemur, and Y. Lu, "Estmaton, Smoothng, and Characterzaton of Apparent Dffuson Coeffcent Profles from Hgh Angular Resoluton DWI", Proceedngs of the 004 IEEE Computer Socety Conference on Computer Vson and Pattern Recognton, CS-IEEE, 004. [8] W. Guo, Q. Zeng, Y. Chen, and Y. Lu, "Usng Multple Tensor Detecton to Reconsctruct Whte Matter Fber Traces wth Branchng", Proceedngs of the ISBI 006, CS-IEEE, 006. [9] C. A. Castano-Moraga, C. Lenglet, R. Derche, and J. Ruz-Alzola, "A Fast and Rgorous Ansotropc Smoothng Method for DT-MRI", Proceedngs of the ISBI 006, CS-IEEE, 006. [0] Z. P. Lang, and P. C. Lauterbur, Prncples of Magnetc Resonance Imagng: A Sgnal Processng Perspectve, IEEE Press, New York, 000. [] G. T. Gullberg, D. G. Roy, G. L. Zeng, A. L. Alexander, and D. L. Parker, "Tensor Tomography", IEEE Transactons on Nuclear Scence, 4, 46, , 999. [] P. J. Basser, "Dffuson-Tensor MRI: Theory, Expermental Desgn, and Data Analyss", Procedngs of the nd Jont EMBS BMES Conference, EMBS-IEEE-BMES, Houston, USA, 65-66, 00. [] N. Kang, J. Zhang, E. S. Carlson, and D. Gembrs, "Whte Matter Fber Tractography Va Ansotropc Dffuson Smulaton n the Human Bran", IEEE Transactons on Medcal Imagng, 9, 4, 7-7, 005. [4] P. Fllard, V. Arsgny, X. Pennec, and N. Ayache, "Clncal DT-MRI Estmatons, Smoothng and Fber Trackng wth Log-Eucldean Metrcs", Proceedngs of the ISBI 006, CS-IEEE, 006. [5] R. Duda, P. Hart, and D. G. Stork, Pattern Classfcaton, John Wley and Sons, 00. [6] J. Sklansky and G. N. Wassel, Pattern Classfers and Tranable Machnes, Sprnger-Verlag, 98. [7] S. Haykn, Neural Networks: A Comprehensve Foundaton, Prentce Hall, New York, 999.
11 [8] H. L, T. Lu, G. Young, L. Guo, and S. T. C Wong, "Bran Tssue Segmentaton Based on DWI/DTI Data", Proceedngs of the ISBI 006, CS-IEEE, 006. [9] A. Bartesagh and M. Nadar, "Segmentaton of Anatomcal Structure from DT-MRI", Proceedngs of the ISBI 006, CS- IEEE, 006. [0] D. Landgrebe, Hyperspectral Image Analyss", IEEE Sgnal Processng Magazne, Jan, 00.
AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC
Learnng and Nonlnear Models - Revsta da Socedade Braslera de Redes Neuras (SBRN), Vol. 4, No., pp. -4-5, 006 Socedade Braslera de Redes Neuras AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL
Leia maisAVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC
AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC Wellngton P. dos Santos, Rcardo E. de Souza, Ascendno F. Das e Slva e Plíno B.
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neuras (Intelgênca Artfcal) Aula 14 Redes Neuras Edrle Soares de Lma Formas de Aprendzado Aprendzado Supervsonado Árvores de Decsão. K-Nearest Neghbor (KNN). Support Vector Machnes
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes
Leia maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisCelso Liczbinski 1,2 Vitor Haertel 2
Uma nova abordagem na estmação de probabldades a pror na classfcação de magens dgtas em sensoramento remoto Celso Lczbns,2 Vtor Haertel 2 Dretora de Servço Geográfco do Exércto DSG ª Dvsão de Levantamento
Leia maisINF 1771 Inteligência Artificial
INF 77 Intelgênca Artfcal Aula 8 Redes Neuras Edrle Soares de Lma Formas de Aprendzado Aprendzado Supervsonado Árvores de decsão. K-Nearest Neghbor (KNN). Support Vector Machnes (SVM).
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia maisEstimação Bayesiana das Fragilidades Individuais de Pacientes em Tratamento de Hemodiálise
Estmação Bayesana das Fragldades Indvduas de Pacentes em Tratamento de Hemodálse Grazela Dutra Rocha Gouvêa 2 Vera Lúca Damasceno Tomazella 3 João Domngos Scalon 4 Introdução Em análse de sobrevvênca consdera-se,
Leia maisAVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC
AVALIAÇÃO DA DOENÇA DE ALZHEIMER PELA ANÁLISE MULTIESPECTRAL DE IMAGENS DW-MR POR REDES RBF COMO ALTERNATIVA AOS MAPAS ADC Wellington P. dos Santos, Ricardo E. de Souza, Ascendino F. D. e Silva, Plínio
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO
ESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO W. R. G. SANTOS 1, H. G. ALVES 2, S. R. FARIAS NETO 3 e A. G. B. LIMA 4
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisClassificação de Imagens Tomográficas de Ciência dos Solos Utilizando Redes Neurais e Combinação de Classificadores
Classfcação de Imagens Tomográfcas de Cênca dos Solos Utlzando Redes Neuras e Combnação de Classfcadores Fabrco A. Breve, Nelson D. A. Mascarenhas Departamento de Computação Unversdade Federal de São Carlos,
Leia maisCAPITULO II - FORMULAÇAO MATEMATICA
CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisMINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS AVALIAÇÃO DAS INCERTEZAS NAS CLASSIFICAÇÕES DE MÁXIMA VEROSSIMILHANÇA E CONTEXTUAL DE MODAS CONDICIONAIS ITERATIVAS EM IMAGENS
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisBreve Introdução aos Modelos Pontuais de Distribuição em Visão por Computador
Relatóro Interno Breve Introdução aos Modelos Pontuas de Dstrbução em Vsão por Computador Mara João Vasconcelos Aluna de Mestrado em Estatístca Aplcada e Modelação Unversdade do Porto, Faculdade de Engenhara
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisEstudo comparativo entre redes neurais artificiais e análise de regressão múltipla na avaliação de bens, para pequenas amostragens
Estudo comparatvo entre redes neuras artfcas e análse de regressão múltpla na avalação de bens, para pequenas amostragens Elane Hasselmann Camardella Schavo (CEFET/RJ) elane@consultora-cca.com.br Márco
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisD- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisCap. 6 - Energia Potencial e Conservação da Energia Mecânica
Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisRedes Neuronais (introdução)
Redes Neuronas (ntrodução) Vctor Lobo Introdução INÍCIO Programação Imperatva Explcta-se o algortmo Conjunto de nstruções S?? N S N Intelgênca Artfcal Usar o homem e a bologa como nspração Abordagem smbólca
Leia maisγ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico
Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCÁLCULO DE VISCOSIDADE DE LÍQUIDOS COM A EDE CUBIC- PLUS-ASSOCIATION INCORPORADA AO MODELO EYRING
CÁLCULO DE VISCOSIDADE DE LÍQUIDOS COM A EDE CUBIC- PLUS-ASSOCIATION INCORPORADA AO MODELO EYRING I. Q. MATOS 1, J. P. L. SANTOS 1 e G. F. SILVA 1 1 Unversdade Federal de Sergpe, Departamento de Engenhara
Leia maisAplicações de Estimadores Bayesianos Empíricos para Análise Espacial de Taxas de Mortalidade
Aplcações de Estmadores Bayesanos Empírcos para Análse Espacal de Taxas de Mortaldade Alexandre E. dos Santos, Alexandre L. Rodrgues, Danlo L. Lopes Departamento de Estatístca Unversdade Federal de Mnas
Leia maisEstimativa da área de soja no Rio Grande do Sul por meio de amostragem aleatória estratificada de pontos
Estmatva da área de soja no Ro Grande do Sul por meo de amostragem aleatóra estratfcada de pontos Marcos Adam Rodrgo Rzz Bernardo Fredrch Theodor Rudorff Maurco Alves Morera Insttuto Naconal de Pesqusas
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisde Engenharia de São Carlos - USP Av. Trabalhador São-carlense, 400 - Centro - CEP 13566-590, São Carlos SP # UTFPR, Cornélio Procópio PR
APLICAÇÃO DE SISTEMAS FUZZY EM MOTORES DE INDUÇÃO PARA IDENTIFICAÇÃO DE TORQUE DE CARGA SÉRGIO F. DA SILVA *, IVAN N. SILVA *, ALESSANDRO GOEDTEL #, CRISTIANO MINOTTI * * Laboratóro de Automação Intelgente
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Prof. André Y. Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisCorrecções radiométricas Correcções geométricas
Prncípos e Aplcações da Detecção Remota Cap. 5 Classfcação Temátca 5.1 Correcção de magens 6.1.1 Correcções Radométrcas 6.1.2 Correcções Geométrcas 5.1.3 Reamostragem 5. 2 Índces (empírcos) de Vegetação
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisTENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO
TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO Danelson Jorge Delgado Neves 13, Jeane Rafaele Araúo Lma 1, Lncoln Elo de Araúo 2, Pedro Vera de Azevedo 1 1 UFCG DCA, Campna Grande
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisPROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS
PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais