Imaging examinations are of remarkable importance for diagnostic support in Dentistry. Imaging techniques allow analysis of dental and maxillofacial tissues (e.g., bone, dentine, and enamel) that are inaccessible through clinical examination, which aids in the diagnosis of diseases as well as treatment planning. The analysis of imaging exams is not trivial; so, it is usually performed by oral and maxillofacial radiologists. The increasing demand for imaging examinations motivates the development of an automatic classification system for diagnostic support, as proposed in this paper, in which we aim to classify teeth as healthy or with endodontic lesion. The classification system was developed based on a Siamese Network combined with the use of convolutional neural networks with transfer learning for VGG-16 and DenseNet-121 networks. For this purpose, a database with 1000 sagittal and coronal sections of cone-beam CT scans was used. The results in terms of accuracy, recall, precision, specificity, and F1-score show that the proposed system has a satisfactory classification performance. The innovative automatic classification system led to an accuracy of about 70%. The work is pioneer since, to the authors knowledge, no other previous work has used a Siamese Network for the purpose of classifying teeth as healthy or with endodontic lesion, based on cone-beam computed tomography images.

Iterative decoding of turbo convolutional codes for the noisy two-user binary adder channel is investigated. It is shown that iterative BCJR decoding yields considerable gain after just a few iterations for low-complexity codes constructed from turbo convolutional codes.

Uniform constant composition (UCC) codes are introduced, which are p ‐ary constant composition codes with block length mp where each p ‐ary symbol appears exactly m times in each codeword, being m a positive integer and p a prime. UCC codes are derived from a new class of p ‐ary repeated‐root cyclic codes and two constructions are presented. Both constructions are at least asymptotically optimal with increasing p when compared with known best bounds for constant composition codes.

Um dos objetivos de desenvolvimento sustentável e erradicação da pobreza no mundo, de acordo com a UNESCO, é promover oportunidades de aprendizagem ao longo da vida para todas as pessoas. É direito das mulheres terem acesso igualitário à educação e a carreiras em ciência, tecnologia, engenharia e matemática (Science, Technology, Engineering and Mathematics – STEM), a fim de que se possa considerar perspectivas desenvolvimentistas e científicas, pois são visíveis as diferenças de gênero e sub-representação das mulheres nestas áreas. Posto isso, no Brasil e no mundo, algumas intervenções estão sendo desenvolvidas com a finalidade de estimular a participação de meninas e mulheres neste campo. Neste sentido, o objetivo deste artigo é relatar uma ação, denominada Ciclo de Palestras na Pós-Graduação – Mulheres em STEM, desenvolvida durante a pandemia de COVID-19, quando quase a totalidade da população acadêmica brasileira teve que se manter em seus lares, fazendo uso das ferramentas de videoconferência. A finalidade do ciclo de palestras é trazer à tona vozes femininas de diferentes regiões brasileiras que se destacam enquanto pesquisadoras e trabalhadoras em STEM. Os resultados foram obtidos pelo número de participantes e instituições de nível superior e por meio de pesquisa de opinião com pessoas não identificadas, que classificaram a iniciativa como positiva, tanto no formato adotado quanto na divulgação dos trabalhos de mulheres cientistas.