Fotografia de grupo dos doutorandos do IPM, Yu Ziyue (centro), Li Hua (segundo à direita), Professor Coordenador Giovanni Pau (primeiro à esquerda), Professora Coordenadora Tse Tan Sim (segunda à esquerda) e Professora Adjunta Luo Wuman (primeira à direita)
Yu Ziyue e Li Hua, doutorados no Curso de Doutoramento em Tecnologia Informática Aplicada do Instituto Politécnico de Macau, apresentaram uma dissertação académica intitulada “Estudo Profundo: Estudo sobre a Covid-19 com base na análise do sangue”, publicada recentemente na Conferência Internacional de 2021 sobre a Internet das Coisas, Big Data e Segurança (IoTBDS2021), tendo obtido o “Prémio de Melhor Dissertação de Estudantes”. Este foi o único trabalho académico galardoado nesta edição da Conferência, demonstrando o alto reconhecimento da Conferência.
A Conferência “IoTBDS” tem por objectivo explorar a Internet das Coisas e os temas de investigação mais recentes sobre megadados recolhidos através da Internet das Coisas, sendo um evento de grande representatividade, prestígio e influência no domínio internacional das tecnologias da informação, atraindo todos os anos talentos de tecnologia de todo o mundo. Esta edição da Conferência teve lugar nos dias 23 a 25 de Abril, e a colecção de dissertações da conferência vai ser incluída no famoso índice internacional de citações Scopus e Engineering Index, entre outros.
Yu Ziyue e Li Hua, sob a orientação do Professor Coordenador Giovanni Pau, da Professora Coordenadora Tse Tan Sim e da Professora Adjunta Luo Wuman, fizeram um estudo sobre os métodos de previsão da pneumonia causada pelo novo tipo de coronavírus. Comparando os métodos de análise de sangue com os de análise de ácidos nucleicos, existem vantagens como a da baixa taxa de falso resultado negativo. Este estudo apresenta, pela primeira vez, quatro modelos híbridos de aprendizagem profunda que são aplicados, respectivamente, na previsão da Covid-19 através dos dados de análises sanguíneas, recolhidos do Hospital Israelita Albert Einstein, no Brasil. E são usadas cinco indicadores para avaliar o desempenho do modelo, nomeadamente exatidão, precisão, taxa de recall, pontuação F1 e AUC. Através do teste de vários modelos de rede neural híbridos, o modelo “CNN + Bi-GRU” tem uma performance excelente nos referidos cinco indicadores, em comparação com outros meios de previsão da Covid-19 com base na inteligência artificial e na aprendizagem profunda. Estes resultados da investigação forneceram um suporte eficaz à previsão correcta e eficiente da Covid-19. Perante os graves desafios da epidemia a nível internacional, estes resultados têm valor prático e académico muito elevado, esperando-se que possam ser amplamente utilizados nos trabalhos de prevenção e combate à epidemia.
