Percorrer por data de Publicação, começado por "2025-11-26"
A mostrar 1 - 2 de 2
Resultados por página
Opções de ordenação
- Do ecrã ao alistamento: conteúdo que potencia o engagement nas redes sociais da Marinha PortuguesaPublication . Monteiro, Leonor Isabel Horta; Miranda, Sandra Marisa LopesAs redes sociais, impulsionadas pela transformação digital, tornaram-se o centro da comunicação institucional e, principalmente, das estratégias de recrutamento. As Forças Armadas, e em particular, a Marinha Portuguesa têm reconhecido o potencial das plataformas digitais na atração dos jovens, que constituem o público mais propenso a procurar emprego através das redes sociais. Assim, o presente estudo propõe analisar as caraterísticas visuais e discursivas das publicações de recrutamento da Marinha Portuguesa, no Facebook e Instagram, com objetivo de identificar quais os elementos que geram maior engagement no público. Os resultados evidenciam que o engagement é influenciado pelo formato e conteúdo das publicações, provando diferenças conforme a plataforma utilizada. Os dados obtidos funcionam como insights para otimização de estratégias de comunicação nas instituições militares em Portugal.
- Determinação das características radiómicas informativas e o seu impacto em modelos de apoio à decisão clínica aplicada à ressonância magnética da próstataPublication . Costa, Andreia Pinto; Santinha, João António Alves; Vieira, Lina da Conceição Capela de OliveiraDescritores de propriedades são parâmetros quantitativos extraídos de imagens médicas, os quais têm-se demonstrado promissores no desenvolvimento de modelos preditivos de machine learning (ML) aplicados ao apoio à decisão clínica. Contudo, a reprodutibilidade dos descritores, a elevada dimensionalidade dos dados, a seleção de recursos robustos e a generalização dos modelos constituem desafios metodológicos relevantes. Este estudo avaliou o impacto de diferentes metodologias de seleção de descritores radiómicos na construção de modelos de ML para a classificação de lesões prostáticas. Para tal, foi utilizado o dataset PROSTATEx, disponibilizado pela base de dados The Cancer Imaging Archive, composto por exames retrospetivos de multiparametric magnetic resonance imaging (mpMRI), em sequência T2, constituído por 204 sujeitos e 299 lesões segmentadas. Foram extraídos descritores de primeira-ordem, textura e forma, obtidos a partir da imagem original e de imagens derivadas de filtros. Consideraram-se dois conjuntos de dados: original e randomizado (obtido pela randomização da intensidade dos píxeis). As análises estatísticas incluíram: correlação Spearman e coeficiente de correlação intraclasse (ICC). Combinação dos resultados obtidos, através de operações de interseção e união, e análise univariada, para identificar descritores com maior significância com a variável a prever. Posteriormente, foram desenvolvidos quatro modelos de ML, cada um baseado numa das metodologias de seleção de descritores, comparados através de métricas de desempenho. Os resultados mostraram que a correlação Spearman identificou 1009 descritores não redundantes tendo sido eliminados 386, enquanto o ICC considerou 789 descritores informativos, com eliminação de 620. A união dos conjuntos resultou em 1154 descritores, enquanto a interseção obteve 650. Relativamente à análise univariada, nenhum descritor foi estatisticamente significativo. Este estudo demonstra que a aplicação de métodos de seleção de descritores informativos pode contribuir para melhorar o desempenho dos modelos de ML no contexto da classificação de lesões prostáticas.