The accurate classification of cancer cells in the peripheral blood is essential for the diagnosis of leukemia and has traditionally been carried out by analyzing laboratory images. In this context, the use of deep learning techniques facilitates decision-making and accelerates the early diagnosis of the disease, allowing preventive measures to be adopted for the patient. This study explores the application of the YOLOv8 deep learning architecture for the classification of cancer cells in blood smear images owing, to its ability to perform this task quickly and accurately. The models were trained on two datasets, ALL and C-NMC Leukemia, and evaluated using top-1 accuracy, top-5 accuracy and loss metrics. The proposed approach achieved a top-1 accuracy of 99.982% and top-5 accuracy of 100% on the validation and test subsets of the ALL dataset respectively, with a final loss of 0.02952. For the C-NMC Leukemia dataset, the model obtained 66.897% and 89.612% top-1 accuracy in the validation and test subsets, respectively, while maintaining 100% top-5 accuracy in both subsets, with a loss of 0.18289. These results demonstrate the effectiveness of YOLOv8 in classifying cancer cells, particularly in the ALL set. However, future strategies such as expanding the data set and fine-tuning the hyperparameters could contribute to better generalization of the model to different data distributions.
12 September 2021 in Research, Society and Development
A pandemia do Corona Vírus trouxe sérios problemas de ordem mundial, que implicam nas mais variadas atividades da sociedade causando desordem e aumento da entropia social. Nesse sentido, governos e instituições têm implementado políticas públicas com o objetivo de minimizar os impactos da doença e, simultaneamente, essas experiências têm gerado um aumento na produção científica sobre o assunto. Portanto, o objetivo deste trabalho é mostrar a relevância acadêmica das produções científicas sobre políticas públicas na pandemia por meio de uma análise bibliométrica. O estudo foi realizado nas bases de dados Web of Science e Scopus. Possibilitou a construção de um portfólio bibliográfico com 39 artigos relevantes e alinhados ao tema. Além dos artigos selecionados que servem de referencial teórico sobre o tema em questão, destacam-se as produções científicas mais relevantes a partir do InOrdinatio, que considera o fator de impacto, número de citações e o ano de publicação. O estudo também usa a análise de cluster como técnica de classificação multivariada e o software VOSviewer para mapeamento bibliográfico.
O presente trabalho visa fornecer uma ferramenta que permita por meio da simulação de processos industriais o estudo e otimização da eficiência energética em instalações que utilizam motores elétricos, como é no caso dos processos de mistura. Os autores apresentam a guia de uma proposta metodológica de como realizar uma simulação virtual, a partir da conformação do simulador baseado na análise de variáveis e a modelagem matemática dos sistemas ou equipamentos, finalizando com o desenho e conformação do esquema de simulação. O objetivo é demonstrar que é viável criar um simulador virtual de utilidade nas indústrias modernas, empregando ferramentas matemáticas e de informática, com o intuito de aprofundar nos estudos dos fenómenos e processos energéticos, para aumentar a produtividade e diminuir os impactos ao meio ambiente, permitindo produzir com qualidade e sustentabilidade, preceitos da Indústria 4.0.
Este trabalho trata da modelagem matemática e do controle multivariável do tanque de contato empregado no processo de lixiviação carbonato-amoniacal dos minerais niquelíferos. Apresenta-se uma visão geral...