A cirurgia de cardiopatias congênitas em recém-nascidos tem experimentado avanços significativos nas últimas décadas, impulsionados pelo desenvolvimento de técnicas minimamente invasivas. Essas abordagens têm como objetivo reduzir o impacto cirúrgico, melhorar a recuperação pós-operatória e aumentar as taxas de sobrevivência e qualidade de vida dos pacientes. Entre as técnicas mais utilizadas estão as cirurgias realizadas por cateterismo e as intervenções toracoscópicas assistidas por vídeo, que permitem correções de anomalias cardíacas complexas sem a necessidade de grandes incisões torácicas. Esses procedimentos minimizam a dor, reduzem o risco de infecções e diminuem o tempo de internação hospitalar. Estudos clínicos e revisões sistemáticas indicam que a cirurgia cardíaca minimamente invasiva apresenta resultados comparáveis às técnicas convencionais em termos de eficácia, com benefícios adicionais relacionados à recuperação mais rápida e menor necessidade de cuidados intensivos prolongados. As técnicas híbridas, que combinam intervenções cirúrgicas tradicionais e procedimentos minimamente invasivos, também têm mostrado potencial promissor em casos mais complexos. Outro avanço importante está na utilização de tecnologias de imagem de última geração, como a ressonância magnética e a ecocardiografia tridimensional, que permitem planejamento cirúrgico detalhado e maior precisão durante os procedimentos. A utilização de dispositivos como válvulas e stents biocompatíveis também contribuiu para melhorar os resultados cirúrgicos e reduzir a necessidade de reintervenções. Além disso, o desenvolvimento de equipes multidisciplinares especializadas em cardiologia pediátrica tem sido um fator crucial para o sucesso das cirurgias. A colaboração entre cirurgiões, cardiologistas, anestesistas e equipes de enfermagem garante um atendimento mais eficaz e personalizado, adaptado às necessidades específicas de cada paciente. Em resumo, os avanços nas técnicas minimamente invasivas para o tratamento de cardiopatias congênitas em recém-nascidos representam uma evolução significativa na medicina cardiovascular. A combinação de novas tecnologias, abordagens cirúrgicas inovadoras e equipes especializadas tem contribuído para melhorar os desfechos clínicos e proporcionar uma melhor qualidade de vida para esses pacientes desde os primeiros dias de vida.
As cyberbullying becomes more and more frequent in social networks, automatically detecting it and pro-actively acting upon it becomes of the utmost importance. In this work, a detailed look at the current state-of-the-art in cyberbullying detection reveals that deep learning techniques have seldom been used to tackle this problem, despite growing reputation in other text-based classification tasks. Motivated by neural networks' documented success, three architectures are implemented from similar works: a simple CNN, a hybrid CNN-LSTM and a mixed CNN-LSTM-DNN. In addition, three text representations are trained from three different sources, via the word2vec model: Google-News, Twitter and Formspring. The experiment shows that these models with one of the above embeddings beat other benchmark classifiers (Support Vector Machines and Logistic Regression) both in an unbalanced and balanced version of the same dataset.
In this paper we propose to approach the subject of detecting relevant tweets when in the presence of very large tweet collections containing a large number of different trending topics. We use a large database of tweets collected during the 2011 London Riots as a case study to demonstrate the application of the proposed techniques. In order to extract relevant content, we extend, formalize and apply a recent technique, called Twitter Topic Fuzzy Fingerprints, which, in the scope of social media, outperforms other well known text based classification methods, while being less computationally demanding, an essential feature when processing large volumes of streaming data. Using this technique we were able to detect 45% additional relevant tweets within the database.
In this paper we propose to approach the subject of Twitter Topic Detection when in the presence of a large number of trending topics. We use a new technique, called Twitter Topic Fuzzy Fingerprints, and compare it with two popular text classification techniques, Support Vector Machines (SVM) and k-Nearest Neighbours (kNN). Preliminary results show that it outperforms the other two techniques, while still being much faster, which is an essential feature when processing large volumes of streaming data. We focused on a data set of Portuguese language tweets and the respective top trends as indicated by Twitter.
Edinburgh Postnatal Depression Scale (EDPD) is continuously seeking new and efficient ways to access and process the high volume of data regarding low-voltage customers, taking advantage of the continued technological investments being made in Advanced Metering Infrastructure. Clustering, as a technique, has been widely used to turn that information into typical load/generation profiles. In this context, this study presents a big data cloud-oriented approach, using Azure Databricks, developed to cluster customer profiles into typical load/generation.
Este artigo interdisciplinar tem por objetivo analisar o papel do Twitter no meet do centro comercial Vasco da Gama de 20 de agosto de 2014, o qual se tornou particularmente mediático, trazendo para a opinião pública o debate sobre este tipo de eventos. Para tal, começamos por refletir sobre a multiplicidade dos usos do Twitter, pela sua utilização pela população mais jovem e também sobre o fenómeno dos meets e a sua finalidade. Em seguida analisamos o conteúdo de 1976 tweets publicados entre os dias 14 e 24 de agosto, que foram filtrados de forma automática recorrendo a um método de classificação designado por Fuzzy Fingerprints (Impressões Digitais Difusas) com base em hashtags e palavras-chave relevantes sobre o tema.
Esta análise empírica mostra-nos, por um lado, o Twitter como plataforma de mobilização e comentário, potencializadora de interações online/offline e que é utilizada pelos jovens como fonte de distinção social. Por outro lado, os tweets partilhados em torno do meet ilustram de modo expressivo os processos culturais, linguísticos e sociais que estão por detrás deste fenómeno.
As cyberbullying becomes more and more frequent in social networks, automatically detecting it and pro-actively acting upon it becomes of the utmost importance. In this work, we study how a recent technique with proven success in similar tasks, Fuzzy Fingerprints, performs when detecting textual cyberbullying in social networks. Despite being commonly treated as binary classification task, we argue that this is in fact a retrieval problem where the only relevant performance is that of retrieving cyberbullying interactions. Experiments show that the Fuzzy Fingerprints slightly outperforms baseline classifiers when tested in a close to real life scenario, where cyberbullying instances are rarer than those without cyberbullying.