George Luiz Medeiros Teodoro


Bolsa de Produtividade CNPq: 2

Áreas de Pesquisa: Formação Acadêmica:

Doutor, UFMG, Brasil, 2010

Sala: 6308
Ramal: 7533
george@dcc.ufmg.br

Página pessoal     Lattes    Google scholar 


Informações resumidas do Currículo Lattes

Currículo Lattes atualizado em 14/09/2023

ORCID: https://orcid.org/0000-0001-6289-3914

Nome em citações bibliográficas: George Teodoro;Teodoro, George;TEODORO, G.;TEODORO, GEORGE L M;TEODORO, GEORGE L. M.;TEODORO, GEORGE LUIZ M.


Projetos de pesquisa em andamento

2021 a AtualInteligência Artificial Aplicada à Exploração de Petróleo na Camada Pré-Sal
A exploração de gás e óleo envolve uma gama de processos que exigem capacitações e expertises variadas, este projeto apresenta uma proposta de pesquisa de viabilidade de modelos envolvendo inteligência artificial em três linhas dentro deste grande tema: (i) Inversão física de rochas via dados sísmicos, (ii) identificação automática de ciclos por análises de séries temporais e sua utilizaçã na estratigrafia usando aprendizado de máquina e (iii) identificação de litofácies/petrofácies a partir de perfis de alta dimensão. Visando facilitar a nomenclatura são propostos para as linhas de pesquisa os acrônimos SÍSMICA, CICLOS e ELETRO, respectivamente..
Integrantes: Wagner Meira Junior (coordenador), George Luiz Medeiros Teodoro, Adriano Alonso Veloso, Renato Antonio Celso Ferreira, Gabriel Coutinho, Erickson Rangel deo Nascimento, Heitor Soares Ramos Filho, Alexandre Salles Cunha, Gabriel Uhlein, Tiago Novo, Alexandre Uhlein, Aline Tavares Melo, Fabrício Calixto, Marcos Prates, Henrique Versieux, Ronald Dickman, Maurício Marengoni.
2021 a AtualOtimização de Aplicações de Patologia Digital em Ambientes Distribuídos Equipados com CPU e GPU - CNPq PQ 313233/2020-9
Diversos tipos de câncer se manifestam por meio de alterações morfológicas em nível celular e sub-celular. Essas mudanças podem ser observadas em imagens microscópicas de tecidos em alta resolução (Whole Slide Images ? WSI). O uso desses dados permite, dentre outras tarefas, acompanhar a evolução da doença e indicar tratamentos com precisão. Como essas imagens têm da ordem de 100Kx100K pixels e contêm centenas de milhares de células, sua avaliação manual por uma patologista é demorada e suscetível a variações. Essas dificuldades motivaram o desenvolvimento de sistemas computadorizados automatizados para auxiliar em diagnósticos e análises correlativas entre alterações morfológicas e informações genômicas[1-8]. A utilização de sistemas computacionais na análise de WSIs leva a diversos benefícios, mas vem acompanhado de desafios. Dentre essas dificuldades destacamos o desenvolvimento de algoritmos, gerenciamento eficiente e privacidade dos dados e alto custo computacional. Neste trabalho abordaremos dois desses aspectos. O primeiro deles é algorítmico e consiste em identificar e reduzir as incertezas nos resultados dessas aplicações em relação a variações de parâmetros de entrada. O segundo refere-se a acelerar essas aplicações em supercomputadores modernos equipados com CPU e GPU (Graphics Processing Unit). Esses objetivos são complementares, pois os estudos de incertezas são caros computacionalmente e, assim, tornam-se viáveis com os ganhos computacionais devido ao uso eficiente de processadores paralelos modernos.
Integrantes: George Luiz Medeiros Teodoro (coordenador).
2021 a AtualExecução Eficiente de Quantificação de Incertezas em Patologia Digital Utilizando Plataformas Paralelas Modernas
Diversos tipos de cânceres se manifestam por meio de alterações morfológicas em nível celular e sub-celular, a quais podem ser observadas em imagens microscópicas de tecidos em alta resolução. O uso desses dados permite, dentre outras tarefas, acompanhar a evolução da doença e indicar tratamentos de precisão. Essas imagens têm da ordem de 100Kx100K pixels e centenas de milhares de células, assim a avaliação manual por uma patologista é demorada e suscetível a variações. Essas dificuldades motivaram o desenvolvimento de sistemas computadorizados automatizados para diagnósticos e análises correlativas entre alterações morfológicas e informações genômicas. A utilização de sistemas computadorizados leva a diversos benefícios, mas vem acompanhado de desafios. Neste trabalho abordaremos dois desses desafios. O primeiro é algorítmico e consiste em identificar e reduzir as incertezas nos resultados das aplicações em relação à variações de parâmetros de entrada, evitando assim que conclusões obtidas com as mesmas sejam divergentes conforme os valores de parâmetros utilizados. Essa variabilidade ou incerteza lança dúvidas sobre a confiabilidade das aplicações e limita o uso na prática. Logo, é essencial identificar essas variações, quantificá-las e minimizá-las. O segundo desafio refere-se a acelerar a execução das aplicações em supercomputadores modernos equipados com CPU e GPU (Graphics Processing Unit). Esses objetivos são complementares, pois os estudos de incertezas são computacionalmente caros e, assim, necessitam de execução eficiente. A segunda vertente do trabalho incluí o suporte a uma linguagem de programação de alto nível, execução colaborativa utilizando CPU e GPU e divisão inteligente de dados para computação distribuída. A nova linguagem simplificará o uso de nossos sistemas para usuários não especialistas em computação de alto desempenho, aumentando seu impacto.
Integrantes: George Luiz Medeiros Teodoro (coordenador), Renato Antonio Celso Ferreira.
2021 a AtualCentro de Inovação em Inteligência Artificial para a Saúde

Integrantes: Virgilio A F Almeida (coordenador), George Luiz Medeiros Teodoro.
2020 a AtualPrograma de Capacidades Analíticas do MPMG
O Ministério Público de Minas Gerais (MPMG), por meio do Gabinete de Segurança e Inteligência (GSI), tem parceria firmada com o Departamento de Ciência da Computação da UFMG para a ampliação de seu Programa de Capacidades Analíticas. O Programa tem como premissa o desenvolvimento de ferramentas próprias, com ênfase em software livre, alta capacidade de resposta e adaptabilidade a novas necessidades surgidas ao longo do tempo. Essa é a mais avançada estrutura tecnológica para a análise de grandes volumes de dados complexos, oriundos de bases abertas e restritas existentes no Estado de Minas Gerais. Este projeto visa desenvolver novas funcionalidades e ferramentas de inteligência artificial aplicadas a diversos contextos de processamento massivo de dados, em particular análises e modelagens descritivas, preditivas e prescritivas. O projeto ataca diferentes frentes de pesquisa, como sensoriamento remoto para conferir o andamento de obras públicas do estado de Minas Gerais; identificação de abuso sexual em imagens e vídeos para auxiliar o trabalho de peritos da polícia; análise de fraudes em licitações, dentre muitos outros. O objetivo é impulsionar as ações do MPMG por meio das capacidades analíticas de investigação e inteligências tecnológicas.
Integrantes: Wagner Meira Junior (coordenador), George Luiz Medeiros Teodoro.
2015 a AtualLEAPaD: Laboratório de Estudos Avançados em Sistemas Paralelos e Distribuídos
O processamento paralelo e distribuído é uma realidade nos sistemas computacionais há muitos anos. No entanto, observa-se no histórico mais recente, o crescimento dos horizontes de sua aplicação em função de uma nova realidade de mercado, a qual oferece preços muito competitivos para os mais diversos tipos de plataformas de hardware, implicando no aumento das ofertas de soluções e, consequentemente, de demandas de aplicações da sociedade em geral. Logo, se no passado não muito distante, problemas e questões relacionadas ao processamento paralelo e distribuído surgiam em função do desenvolvimento de aplicações caracterizadas por necessitarem de uma grande quantidade de recursos computacionais, hoje surge uma nova classe de problemas em função da pluralidade de dimensões que as novas plataformas de processamento oferecem. Esta pluralidade reflete a incorporação nas plataformas de execução de diferentes tecnologias de hardware com suporte ao processamento intensivo e paralelo, incluindo não apenas os multiprocessadores e aglomerados de computadores, mas tambémFPGAs, GPUs, grades e nuvens computacionais. Dentre os efeitos observados, buscam-se novos modelos computacionais para solucionar as diferentes questões operacionais que se apresentam nesta nova realidade. Neste contexto, o presente projeto se insere apresentando a criação do LEAPaD, um laboratório, virtualmente distribuído entre as instituições parceiras, vocacionado em explorar questões ligadas ao gerenciamento das ações que envolvem o processamento paralelo e distribuído. O LEAPaD, acrônimo para Laboratório de Estudos Avançados em Sistemas Paralelos e Distribuídos, se institui de forma a consolidar linhas de atuação ligadas aos programas associados a este projeto, buscando explorar soluções para construções de aplicações e sistemas de gerenciamento e exploração de processamento de alto desempenho em arquiteturas paralelas e distribuídas, tais como FPGAs, ambientes multiprocessados e com GPUs, aglomerados de computadores e de grades e nuvens computacionais.
Integrantes: Alfredo Goldman vel Lejbman (coordenador), George Luiz Medeiros Teodoro, Alba Cristina Magalhães Alves de Melo, Maria Emília Machado Telles Walter, Genaína Nunes Rodrigues, Vander Ramos, Ricado Pezzuol Jacobi, Aletéia Patrícia Favacho de Araújo, Fabio Kon, Marco Dimas Gubitoso, Gerson Geraldo H. Cavalheiro, Marco Aurélio Gerosa, daniel batista, Maristela Terto Holanda, Eduardo Adilio Pelinson Alchieri, Luciano Volcan Agostin, Renata Hax Sander Leiser, Maurício Lima Pilla, Adenauer Correa Yamin, André Rauber du Bois, Bruno Zatt, Marcelo Schiavon Porto, Rafael Iankowski Soares, Simone André da Costa Cavalheiro, Ana Marilza Pernas Fleischmann, Luciana Foss.

Projetos de desenvolvimento em andamento

Veja todos os projetos no Currículo Lattes

Últimas publicações

Artigos em periódicos

Spatial-aware data partition for distributed memory parallelization of ANN search in multimedia retrieval
2023. PARALLEL COMPUTING.
Effective and Efficient Active Learning for Deep Learning Based Tissue Image Analysis
2023. BIOINFORMATICS.
Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images
2023. BIOINFORMATICS (OXFORD. ONLINE).
Deep learning based registration of serial whole-slide histopathology images in different stains
2023. Journal of Pathology Informatics.
Efficient microscopy image analysis on CPU-GPU systems with cost-aware irregular data partitioning
2022. JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING.
Effective active learning in digital pathology: A case study in tumor infiltrating lymphocytes
2022. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE.
MultiHeadGAN: A deep learning method for low contrast retinal pigment epithelium cell segmentation with fluorescent flatmount microscopy images
2022. COMPUTERS IN BIOLOGY AND MEDICINE.
Building Efficient CNN Architectures for Histopathology Images Analysis: A Case-Study in Tumor-Infiltrating Lymphocytes Classification
2022. FRONTIERS IN MEDICINE.
Deep Learning-Based Pathology Image Analysis Enhances Magee Feature Correlation With Oncotype DX Breast Recurrence Score
2022. FRONTIERS IN MEDICINE.
A spatial attention guided deep learning system for prediction of pathological complete response using breast cancer histopathology images
2022. BIOINFORMATICS.
An integrative web-based software tool for multi-dimensional pathology whole-slide image analytics
2022. PHYSICS IN MEDICINE AND BIOLOGY.
Artificial intelligence based liver portal tract region identification and quantification with transplant biopsy whole-slide images
2022. COMPUTERS IN BIOLOGY AND MEDICINE.
Optimized execution of morphological reconstruction in large medical images on embedded devices
2021. Journal of Real-Time Image Processing.
Online multimedia retrieval on CPU-GPU platforms with adaptive work partition
2021. JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING.
Computational Model-Based Estimation of Mouse Eyeball Structure From Two-Dimensional Flatmount Microscopy Images
2021. Translational Vision Science & Technology.
Parallel Fine-Grained Comparison of Long DNA Sequences in Homogeneous and Heterogeneous GPU Platforms with Pruning
2021. IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS.
Foveal Blur-Boosted Segmentation of Nuclei in Histopathology Images with Shape Prior Knowledge and Probability Map Constraints
2021. BIOINFORMATICS.
Building robust pathology image analyses with uncertainty quantification
2021. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE.
Optimizing Parameter Sensitivity Analysis of Large-Scale Microscopy Image Analysis Workflows with Multi-level Computation Reuse
2020. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE.
Bitmap filter: Speeding up exact set similarity joins with bitwise operations
2020. INFORMATION SYSTEMS.
Hardware-Based Fast Hybrid Morphological Reconstruction
2020. IEEE Design & Test.
Using GPU to accelerate the pairwise structural RNA alignment with base pair probabilities
2020. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE.
Deep-learning-based accurate hepatic steatosis quantification for histological assessment of liver biopsies
2020. LABORATORY INVESTIGATION.
Large-scale parallel similarity search with Product Quantization for online multimedia services
2019. JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING.
Effective nuclei segmentation with sparse shape prior and dynamic occlusion constraint for glioblastoma pathology images
2019. JOURNAL OF MEDICAL IMAGING.
MaReIA: a cloud MapReduce based high performance whole slide image analysis framework
2019. DISTRIBUTED AND PARALLEL DATABASES.
Using Multiple Fickett Bands to Accelerate Biological Sequence Comparisons
2019. Journal of Computational Biology.
MASA-OpenCL: Parallel pruned comparison of long DNA sequences with OpenCL
2019. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE.
Multi-objective Parameter Auto-tuning for Tissue Image Segmentation Workflows
2019. JOURNAL OF DIGITAL IMAGING.
Sensitivity analysis in digital pathology: Handling large number of parameters with compute expensive workflows
2019. COMPUTERS IN BIOLOGY AND MEDICINE.
Paralelização e Otimizações do Algoritmo de Indexação de Dados Multimídia baseado em Quantização
2019. REVISTA ELETRÔNICA DE INICIAÇÃO CIENTÍFICA.
COMPUTER DEEP LEARNING FOR AUTOMATIC IDENTIFICATION OF ECHOCARDIOGRAPHIC VIEWS APPLIED FOR RHEUMATIC HEART DISEASE SCREENING: DATA FROM THE ATMOSPHERE-PROVAR STUDY
2019. JOURNAL OF THE AMERICAN COLLEGE OF CARDIOLOGY.
Algorithm sensitivity analysis and parameter tuning for tissue image segmentation pipelines
2017. Bioinformatics (Oxford. Print).
Real-Time Three-Dimensional Cell Segmentation in Large-Scale Microscopy Data of Developing Embryos
2016. DEVELOPMENTAL CELL.
Approximate similarity search for online multimedia services on distributed CPU-GPU platforms
2014. The VLDB Journal.

Trabalhos completos em congressos

Efficient Strategies for Graph Pattern Mining Algorithms on GPUs
2022. 2022 IEEE 34th International Symposium on Computer Architecture and High Performance Computing (SBACPAD).
Histopathology Image Registration by Integrated Texture and Spatial Proximity based Landmark Selection and Modification
2021. IEEE International Symposium on Biomedical Imaging (ISBI 2021).
Image Registration with Optimal Regularization Parameter Selection by Learned Auto Encoder Features
2021. IEEE International Symposium on Biomedical Imaging (ISBI 2021).
Spatial Attention-based Deep Learning System for Breast Cancer Pathological Complete Response Prediction with Serial Histopathology Images in Multiple Stains
2021. The 24th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2021).
Evaluating Federated Learning Scenarios in a Tumor Classification Application
2021. VII Escola Regional de Alto Desempenho do Rio de Janeiro (ERAD-RJ).
Parallel Comparison of Huge DNA Sequences in Multiple GPUs with Pruning
2020. 28th Euromicro International Conference on Parallel, Distributed, and Network-Based Processing (PDP 2020).
Scalable and Efficient Spatial-Aware Parallelization Strategies for Multimedia Retrieval
2020. IEEE 32nd International Symposium on Computer Architecture and High Performance Computing (SBAC-PAD 2020).
Liver steatosis segmentation with deep learning methods
2019. IEEE International Symposium on Biomedical Imaging (ISBI'19).
Medical Imaging Processing Architecture on ATMOSPHERE Federated Platform
2019. Special Session on Federation in Cloud and Container Infrastructures.
Increasing Accuracy of Medical CNN Applying Optimization Algorithms: an Image Classification Case
2019. The 8th Brazilian Conference on Intelligent Systems (BRACIS).
Run-time optimizations for replicated dataflows on heterogeneous environments
2010. The ACM International Symposium on High Performance Distributed Computing (HPDC 2010).

Resumos expandidos em congressos

High Throughput Whole-Slide Microscopy Image Analysis of Glioblastoma Pathology Images Identifies Molecular and Survival Correlates
2014. TCGA 3rd Annual Scientific Symposium.
High Performance Computing for Integrative Analysis of Large Pathology Image Datasets
2012. AMIA 2012 Annual Symposium.
Machine-based Classification of Oligodendroglioma Component in Glioblastoma using Large-scale Microscopic Image Analysis Uncovers Oligodendroglial Molecular Signatures.
2012. The TCGA Scientific Symposium.

Resumos em congressos


Veja todas as publicações no Currículo Lattes

Orientações em andamento

Mestrado

RODRIGO ROCHA GOMES. A definir. Início: 2023. Universidade Federal de Minas Gerais (Orientador principal)
PÂMELA GUALBERTO GUDELIAUSKAS. A definir. Início: 2023. Universidade Federal de Minas Gerais (Orientador principal)
Matheus Tiago Pimenta de Souza. A definir. Início: 2023. Universidade Federal de Minas Gerais (Orientador principal)
HENRIQUE COLONESE ECHTERNACHT. A definir. Início: 2023. Universidade Federal de Minas Gerais (Orientador principal)
DANIEL CARLOS DE BRITO VIANA. A definir. Início: 2022. Universidade Federal de Minas Gerais (Orientador principal)
Alessandra Faria Abreu. A definir. Início: 2022. Universidade Federal de Minas Gerais (Orientador principal)
Gabriel Justo Do Amarantes. A definir. Início: 2022. Universidade Federal de Minas Gerais (Orientador principal)

Doutorado

Samuel Benjoino Ferraz Aquino. Strategies for Efficient Subgraph Enumeration on GPUs. Início: 2020. Universidade Federal de Minas Gerais (Co orientador)
Jeremias Moreira Gomes. Análise de Sensibilidade em Aplicações Médicas utilizando Surrogate Models. Início: 2016. Universidade de Brasília (Orientador principal)

Veja todas as orientações no Currículo Lattes

Acesso por PERFIL

Pular para o conteúdo