No abstract

This paper presents a bed-exit alarm method of older peoples with age between 66 e 86 year. The method uses signals originated from RFID sensors and a learning mechanism based on Particle Swarm Grouping and Fuzzy Sets to monitor the movements of the Elderly. This alarm is emitted when a bed-exit movement is capped by the system and sent to the caregiver or nurse. Thus, this monitoring can help prevent falls in the elderly without being considered invasive. In general, the approach presented obtained good results. Resumo: Esse trabalho apresenta um método para emissão de alertas de saída do leito de pessoas idosas com idade entre 66 e 86 anos. O método utiliza sinais originados de sensores RFID e um mecanismo de aprendizagem baseado em Agrupamento por Enxame de Partículas e Conjuntos Fuzzy para monitorar os movimentos dos idosos. Um alerta de saída de leitoé emitido quando um movimento de saídaé capitado pelo sistema e enviado ao cuidador ou enfermeiro. Assim, esse monitoramento pode auxiliar na prevenção de quedas dos idosos sem ser considerado invasivo. Em geral, a abordagem apresentada obteve bons resultados.

Inovações em metodologias para identificação de microrganismos genômicas e proteômicas associadas a tecnologias digitais estão em alinhamento com a visão de indústria 4.0 e estão em ascensão. O objetivo desse trabalho foi o desenvolvimento de um protótipo de um aplicativo (App) para a identificação de fungos filamentosos e leveduras ao nível de espécie. A construção do protótipo foi realizada de modo a apresentar uma aplicação web com interface responsiva. O App foi desenvolvido em processo cloud computing com modelo em cascata. Como parte dos requisitos do App foi construído um banco de dados Cloud Firestore com processamento de imagens através de uma biblioteca skImage. Para tal, foram selecionados géis de agarose com perfis de restrição de fungos filamentosos e leveduras previamente identificados ao nível de espécie por metodologias genômicas (PCR/RFLP) e proteômica (espectrometria de massa). O App identificado como iGENE foi capaz de realizar o reconhecimento de perfis de restrição de géis de agarose, comparando-o aos fungos filamentosos e leveduras cadastrados em sua biblioteca. O resultado ao nível de espécie foi possível para perfis com similaridade superior a 90%.  Embora as imagens analisadas tenham apresentado esse perfil, o App foi construído de modo a considerar também identificações ao nível de gênero para similaridades entre 89 e 70%, bem como “microrganismo não identificado” abaixo desse escore.  A inclusão de novas espécies de fungos filamentosos e leveduras na biblioteca do App permitirá uma maior robustez na geração do resultado da identificação ao nível de espécie.