Logo do repositório

Percorrer por autor "Santos, B."

A mostrar 1 - 2 de 2
  • Importância da citologia na deteção de lesões do endométrio
    Publication . Santos, B.; Oliveira, C.; Ramos, S.; Gomes, N.; Oliveira, Daniel; Silva, A. S.; Adriano, A.; Luís, A.; Mendonça, Paula
    O presente estudo reporta a citologia de uma mulher de 66 anos, que apresenta um epitélio atrófico com fundo inflamatório. Identificaram-se agregados tridimensionais de células glandulares com sobreposição celular, anisocariose, aumento nuclear, hipercromasia moderada, presença de nucléolos e cromatina grosseira, irregularmente distribuída. O diagnóstico citológico foi de células glandulares atípicas sem outra especificação, com inflamação. Posteriormente, realizou-se uma biópsia cujo diagnóstico foi carcinoma endometrial de tipo endometrióide. A paciente foi submetida a histerectomia total com anexectomia bilateral, confirmando-se o diagnóstico da biópsia. O diagnóstico de células glandulares atípicas é definido pela presença de células glandulares com alterações que ultrapassam as reativas/reparativas, mas sem características inequívocas de adenocarcinoma. No follow-up a maioria destes casos representa uma condição benigna. No entanto, um subconjunto significativo revela uma lesão pavimentosa de alto grau ou uma lesão neoplásica glandular, não sendo incomum a associação entre o diagnóstico de células glandulares atípicas e a presença de adenocarcinomas do colo uterino, endométrio, ovário e trompa de Falópio. A citologia tem uma especificidade relativamente elevada na deteção de patologia endometrial, apresentando um papel preponderante no diagnóstico de neoplasias. Neste caso, o reconhecimento de células glandulares atípicas, conduziu ao diagnóstico de carcinoma endometrial.
    2018-12Artigo científico Acesso aberto Ver mais
  • Study of fatigue crack propagation on modified CT specimens under variable amplitude loading using machine learning
    Publication . Santos, B.; Infante, Virginia; Barros, T.; Miguel Gomes Simões Baptista, Ricardo
    This study focuses on predicting fatigue crack paths and fatigue life in modified compact tension specimens, under mixed mode and variable amplitude loading conditions, using Machine Learning techniques. Mixed-mode conditions were induced by using specimens that incorporated holes with different radii and center coordinates. Initially, multiple Finite Element Method (FEM) simulations were conducted to determine the fatigue crack path for different configurations. Subsequently, several configurations were selected for experimental fatigue testing, in which the fatigue crack path was monitored and recorded. The final phase of the study involved Machine Learning (ML) techniques, specifically Artificial Neural Networks (ANN) and k-Nearest Neighbors (kNN), to predict fatigue crack propagation. The models were trained using different numerical and experimental data. Predicted results were then compared with experimentally tested data, and the behavior and accuracy of the models were evaluated. Overall, the implemented models demonstrated the ability to predict fatigue crack path with average deviations (ANN - 1.19 mm; kNN - 1.10 mm) closely resembling results obtained through Finite Element simulations (1.65 mm). The models were also able to predict fatigue life with average errors of 10.1 % (ANN) and 16.7 % (kNN), all achieved with a reduction of computational costs greater than 90 %.
    2024-07Artigo de investigação Acesso aberto Ver mais