- Projeto de Graduação
- Histórico
Projeto de Graduação
A disciplina de Projeto de Graduação tem por objetivo levar o discente, através de trabalho individual em nível de iniciação científica, ao desenvolvimento de sua capacidade criativa na solução de problemas da área de Ciência da Computação. O objetivo da disciplina deverá ser alcançado através da execução de um trabalho individual teórico e prático, no qual deverão ser aplicados os conhecimentos adquiridos pelo discente no decorrer do curso.
Características do trabalho:
- Tratar de Análise Científica, Especificação e/ou Desenvolvimento de Algoritmos, Metodologias, Técnicas, Ferramentas ou Sistemas de Software e/ou Hardware a serem empregadas pela Ciência da Computação, nas áreas de interesse da FIPP - UNOESTE;
- Ter seu assunto proposto por um docente da FIPP - UNOESTE;
- Ter seu plano de trabalho aprovado pela coordenação da disciplina, com parecer favorável da correspondente área;
- Produzir uma revisão bibliográfica sobre o assunto proposto;
- Desenvolver o assunto objeto especificado no ante-projeto, atendendo aos objetivos constantes neste;
Mais informações: projetograduacao@unoeste.br
Acesso ao Sistema
Histórico
Busca projeto por:
CIÊNCIA DA COMPUTAÇÃO
| Aluno | LUCAS HIDEKI MIYASAKI | 2026 |
| Orientador(es) | Francisco Assis da Silva | |
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Análise Comparativa entre Redes Neurais Convolucionais (CNN) e Vision Transformers (ViT) para a Detecção de Deepfakes em Imagens | |
| Aluno | LUDMILA SAMBINELLI CESARIO | 2026 |
| Orientador(es) | Robson Augusto Siscoutto | |
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Predição e qualificação de Agonistas GLP-1 utilizando IA e Redes Neurais Gráficas voltadas para Diabete Mellitus 2 e Obesidade: um estudo de caso da molécula X. | |
| Aluno | CARLOS VIN?CIUS DEARO DE CARVALHO | 2025 |
| Orientador(es) | Helton Molina Sapia | |
| Área | 1.03.03.04-9 - Sistemas de Informação | |
| Título | MedLog DrugChain: Sistema Blockchain para Logística de Medicamentos | |
| Aluno | IAGHO HENRIQUE SLAVIERO COSTA | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Francisco Assis da Silva | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Monitoramento de Ambientes Internos e Externos em Residências para Segurança Infantil usando Visão Computacional. | |
| Aluno | LUANA BEATRIZ SOUZA VENANCIO | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Mario Augusto Pazoti | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Análise de ECGs para identificação de anomalias para Triagem Clínica | |
| Resumo | As doenças cardiovasculares estão entre as principais causas de morte no mundo, representando cerca de 32 dos óbitos globais. No Brasil, ocorrem anualmente entre 300 e 400 mil casos de infarto, muitos deles fatais. O eletrocardiograma (ECG) é essencial para a detecção precoce dessas condições. Contudo, em emergências, a ordem de análise costuma seguir a fila de chegada, o que pode fazer com que casos graves aguardem enquanto pacientes sem alterações relevantes sejam atendidos antes. Nesse cenário, o uso de Inteligência Artificial (IA) para análise automatizada de ECGs surge como alternativa promissora para identificar rapidamente anomalias, priorizar atendimentos urgentes e otimizar recursos hospitalares. Este trabalho tem como objetivo desenvolver um aplicativo capaz de identificar e demarcar anomalias cardíacas em ECGs a partir de imagens capturadas por dispositivos móveis, utilizando redes neurais convolucionais (CNNs) para processamento. A solução busca possibilitar a priorização de atendimentos mais urgentes. Foi utilizada a base pública PTB-XL (PhysioNet), com sinais de ECG em formato WFDB convertidos em imagens no padrão clínico (12 derivações, 25 mm/s, 10 mm/mV), empregadas exclusivamente no treinamento da rede neural. Para exames capturados por celular, aplicou-se um pré-processamento para remover sombras e a grade de fundo, preservando ondas P, complexos QRS e ondas T. Foram usados filtros gaussianos e divisão de fundo para melhorar a qualidade visual antes da entrada no modelo. O conjunto de treino teve 3.637 amostras e o de validação 908. O treinamento foi realizado com a arquitetura ResNet-50 por 80 épocas. O modelo atingiu acurácia global de 82 na validação, desempenho próximo a estudos semelhantes. O pré-processamento foi eficaz para sombras leves, mas precisa de ajustes para casos mais intensos. Certas ondas apresentam morfologias parecidas, podendo causar confusão e reduzir a precisão em situações sutis. Os resultados indicam que a aplicação de CNNs na análise automatizada de ECGs é viável e promissora, com potencial para reduzir o tempo de resposta e contribuir para a priorização de pacientes em situações críticas. | |
| Aluno | LUIGI MARINHO GENERALI | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Área | 1.03.03.02-2 - Engenharia de Software | |
| Título | Ferramenta de Análise Estática para Detecção de Violações dos Princípios de Arquiteturas de Software | |
| Aluno | LUIS FELIPE PEREIRA | 2025 |
| Orientador(es) | Leandro Luiz de Almeida | |
| Mario Augusto Pazoti | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Detecção de Vozes Sintetizadas por Inteligência Artificial Utilizando Análise de MFCC e Espectrogramas | |
| Aluno | VICTOR HIROSHI UEMURA | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Mario Augusto Pazoti | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Geração de Modelo Digital de Terreno a partir de imagens aéreas de VANTs usando deep learning | |
| Resumo | A obtenção de Modelos Digitais de Terreno (MDT) de é fundamental para aplicações em engenharia, planejamento urbano e monitoramento ambiental. Contudo, métodos tradicionais de levantamento topográfico demandam equipamentos sofisticados e alto custo operacional. Este trabalho busca alternativas mais acessíveis, explorando o potencial de imagens aéreas obtidas por Veículos Aéreos Não Tripulados (VANT), com o intuito de simplificar a geração de MDT em áreas de difícil acesso. O objetivo é o desenvolvimento de uma solução baseada em redes neurais profundas para a geração de MDT a partir de imagens capturadas por VANT, visando reduzir custos operacionais, dependência de equipamentos especializados e requisitos técnicos avançados. As imagens utilizadas foram obtidas com um drone Mavic Pro em duas regiões da cidade de Presidente Prudente – SP. A geração dos mapas de profundidade utilizados como base para o treinamento, foi feita utilizando o software Agisoft. Foi observado que algumas imagens apresentaram problemas de sobreposição, estas, foram retiradas mantendo apenas aquelas que continham no mínimo 70 dos pixels válidos. A rede neural utilizada para a produção dos mapas de profundidade é baseada na arquitetura Pix2Pix, utilizando U-net como codificador-decodificador e uma cGAN como discriminador. A partir disso, foi aplicado uma suavização gaussiana nas predições para que se pudesse obter uma melhora no resultado. Foi desenvolvida uma aplicação para a predição de mapas de profundidade. A análise indicou que o uso de técnicas de suavização contribuiu para a melhoria da qualidade dos resultados. Especificamente, o erro médio absoluto (MAE) reduziu de 0,0474 (sem suavização) para 0,0428 com suavização de 9×9, enquanto o erro quadrático médio (RMSE) reduziu de 0,0691 para 0,0637. Em termos de qualidade perceptual, o pico da relação sinal-ruído (PSNR) aumentou de 19,86 dB para 20,29 dB, e o índice de similaridade estrutural (SSIM) apresentou melhoria expressiva, passando de 0,6266 para 0,8879. A abordagem demonstrou viabilidade na geração automatizada de MDT com qualidade satisfatória, mesmo diante de limitações na padronização da coleta. A utilização de deep learning possibilitou a obtenção de modelos com boa fidelidade topográfica, dispensando etapas complexas e equipamentos especializados. Os resultados indicam que o método é promissor para aplicações práticas em levantamentos de terreno, especialmente em locais de difícil acesso ou com recursos limitados. | |