This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.
Plataforma de Apoio a Gestão Estratégica - PAGE/UCB
Projeto: Aprimoramento da IA do app EstimaNutri: Geração de Modelos 3D Sintéticos a partir de Imagens 2D para Expansão e Diversificação de Dados de Treinamento
| Coordenador(a): | Leandro Rodrigues da Cunha  |
| Vigência: | 10/01/2026 a 31/12/2027 |
| Situação: | Ativo |
| Programa/Curso: | Nutrição |
| Agência: | Universidade Católica de Brasília |
| Edital: | UCB 050/2026 |
| Chamada | UCB 050/2026 |
Resumo:
| Introdução: A precisão de ferramentas de Inteligência Artificial (IA) como o EstimaNutri é crucial para a avaliação antropométrica de pacientes hospitalizados, mas seu desempenho é diretamente limitado pela dependência de bancos de dados reais. Um grande banco de dados é algo que demanda tempo e recursos, representando um obstáculo logístico e metodológico considerável. Objetivo: Este projeto aborda este desafio por meio de uma metodologia pioneira de data augmentation: a geração de modelos 3D sintéticos a partir de imagens 2D para expandir e diversificar o universo de treinamento, incluindo a simulação de condições clinicamente relevantes para aumentar a relevância clínica. Metodologia: Será conduzido um estudo clínico prospectivo, analítico e com abordagem tecnológica, em parceria com a Faculdade Católica do DF, para coletar um dataset original de 1050 pacientes do CENUT da Católica, com amostragem estratificada por 6 faixas de IMC (175 pacientes por faixa). As fotos, medidas antropométricas e exames de BIA serão aferidos para gerar os modelos 3D. A validação da eficácia do método será feita por meio de um experimento controlado: um modelo de IA treinado com uma arquitetura multimodal será comparado a um modelo treinado apenas com dados reais (baseline). O desempenho de ambos será aferido em um conjunto de teste isolado (hold-out set) para garantir uma avaliação imparcial. Desfecho primário: É esperado um aprimoramento quantificável na precisão e na capacidade de generalização do modelo, estabelecendo um método inovador para vencer a lacuna de dados, desenvolvendo ferramentas de antropometria digital mais robustas e confiáveis para o ambiente clínico. Palavras chaves: Antropometria, Avaliação nutricional, Inteligência artificial, Aprendizado de máquina, Dados sintéticos, Visão computacional |
Equipe:
Orçamento Aprovado:
| Valor Total | R$ 0,00 |