Laboratory for Research on Visual Applications

Jogo Sério como proposta da avaliação pulmonar e tratamento fisioterapêutico respiratório em crianças com disfunções respiratórias: estudo multicêntrico

Os jogos digitais (JD) com propósitos específicos são qualificados como Jogos Sérios (JS) e podem ser um recurso coadjuvante ao tratamento fisioterapêutico respiratório, agregando também elementos que promovem diversão, prazer, desafio, entretenimento e maior adesão ao tratamento com exercícios para fisioterapia respiratória pediátrica motivados por JD, em especial nas crianças com disfunções respiratórias.

MONTAGEM MANUAL AUMENTADA E ADAPTATIVA

Esta pesquisa dá continuidade a projeto anterior que culminou com o design, desenvolvimento e avaliação de um sistema de RA para auxílio à Montagem Manual de PCIs e cuja avaliação indicou grande potencial de auxílio. Não obstante, a avaliação indicou que para a efetiva integração do sistema, há necessidade de o sistema apresentar a capacidade de se adaptar em, pelo menos, três aspectos: (a) a relação do sistema com as situações operacionais (uma vez que a inclusão da RA altera pouco que seja o ambiente, o operador a tarefa), (b) a possiblidade de integrar a avaliação automática da qualidade da montagem e, (c) as estratégias para facilitar a adoção e treinamento das montadoras ao novo sistema.

Recursos de Captura de Movimentos para Jogos Sérios Ativos

Este projeto irá desenvolver recursos para facilitar a criação de jogos sérios ativos (também conhecidos como exergames sérios) que tenham aplicações nas áreas da saúde e educação, portanto, almejam a melhora na qualidade de vida. Um Jogo Sério (JS) é um tipo de jogo digital projetado desde o começo para atingir a objetivos predeterminados e que vão além do puro entretenimento.

Reconhecimento de Padrões em Imagens por Aprendizado Profundo

Muitas aplicações modernas dependem de métodos de Reconhecimento de Padrões (RP) atualmente as técnicas utilizando aprendizado profundo (deep learning) através de Redes Neurais Convolucionais (CNN Convolutional Neural Network) têm sido amplamente estudadas e utilizadas. Contudo, grandes quantidades de dados podem superar o poder computacional disponível em tais ambientes, o que torna o processo de projetá-los uma tarefa desafiadora.