Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Computação (DC)

Centro de Ciências Exatas e de Tecnologia (CCET)
Campus São Carlos

Plataforma Lattes / outubro de 2020

Renato Bueno

Possui graduação em Bacharelado em Ciências de Computação pela Universidade de São Paulo (2002), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2005) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2009). Tem experiência na área de Ciência da Computação, com ênfase em Banco de Dados, atuando principalmente nos seguintes temas: recuperação por conteúdo de dados complexos, indexação de dados em domínios métricos, consultas por similaridade, evolução temporal de dados métricos e visualização de bases de dados. (Texto informado pelo autor)

  • http://lattes.cnpq.br/7189857417959804 (06/03/2020)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2010-2020
  • Endereço: Universidade Federal de São Carlos, Centro de Ciências Exatas e de Tecnologia, Departamento de Computação. Rodovia Washington Luís, km 235 Monjolinho 13565905 - São Carlos, SP - Brasil - Caixa-postal: 676 Telefone: (16) 33519497
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (4)
    1. 2017-Atual. Mineracao, Indexacao e Visualizacao de Big Data no contexto de sistemas de apoio a decisao clinica (MIVisBD)
      Descrição: Hoje, quase todas as atividades humanas geram e/ou demandam armazenar e processar conjuntos de dados cada vez maiores, que muitas vezes são diversos e complexos. Esse cenário de crescimento vertiginoso, que ocorre tanto no meio científico, acadêmico, empresarial e até mesmo nas atividades de lazer, demanda novos métodos eficientes para organização e acesso. Tal cenário está sendo chamado como a "era do big data". Atividades e sistemas relacionados à saúde estão no centro desse cenário, pois produzem grandes quantidades de dados diversificados e complexos. É importante que avancemos tecnologicamente, de modo a nos beneficiarmos desse volume de dados para ampliar o conhecimento das áreas, de modo, por exemplo, a apoiar o processo de tomada de decisão. Esse apoio à decisão em sistemas complexos está cada vez mais orientado pelas informações extraídas e o que se aprende desses grandes volumes de dados. Em um ambiente clínico, os Registos Eletrônicos dos Pacientes (REP) constituem uma plataforma propícia ao desenvolvimento de estratégias para extração de informações dos pacientes, seus perfis e mesmo de grupos que possuem uma mesma casuística. Neste projeto, pretende-se integrar suportes inovadores de bancos de dados, processamento de imagens e métodos de análise visuais de dados com base em REPs e repositórios de dados clínicos para reunir informações valiosas e significativas para a tomada de decisões que apoiem o diagnóstico e tratamento de pacientes. O tamanho e a complexidade das bases de dados de REPs oferecem grandes desafios de processamento, tanto em termos de desenvolvimento e aplicação de técnicas de análise e de extração de conhecimento, quanto ao apoio ao desenvolvimento de ferramentas práticas para uso clínico. No entanto, também incorporam uma infinidade de oportunidades para criar algoritmos e métodos capazes de exibir informações relevantes relacionadas com um paciente particular ou grupos de pacientes, que estariam usualmente ocultas pelo grande volume de dados. Além disso, uma manipulação eficiente desses dados possui alto potencial para tornar os REPs em uma plataforma mais eficaz para apoiar os profissionais de saúde, lidando com aplicações médicas de rápida demanda bem como decisões governamentais estratégicas em saúde. Neste projeto iremos desenvolver métodos e algoritmos que serão materializados em uma plataforma modular a ser disponibilizada para a comunidade da área, apoiando o cotidiano da tomada de decisões em sistemas de saúde. Projeto Temático envolvendo 3 instituições nacionais e 8 instituições internacionais.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Renato Bueno - Integrante / Agma Juci Machado Traina - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Renato Bueno.
    2. 2014-2018. Mineracao de imagens e recuperacao perceptual de imagens por conteudo para sistemas de apoio ao diagnostico medico
      Descrição: A proposta deste projeto consiste em promover a aproximação dos sistemas de recuperação de imagens por conteúdo (CBIR) à realidade médica e explorar sua capacidade em Sistemas de Auxílio ao Diagnóstico (Computer-Aided Diagnosis) por imagens integrando essas duas novas abordagens: percepção do especialista e perfil do usuário no processo de recuperação e de mineração de imagens médicas. Para isso, serão disponibilizadas aos sistemas CBIR técnicas e ferramentas que permitam incorporar a perspectiva de análise de imagens e dados do ponto de vista do conhecimento do especialista, diminuindo o gap semântico. A inclusão da percepção do especialista e dos perfis dos usuários na construção de ferramentas CBIR irá aproximar essa tecnologia do especialista médico, quebrando a barreira entre a ciência médica e a ciência da computação.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Renato Bueno - Integrante / Agma Juci Machado Traina - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Renato Bueno.
      Descrição: A proposta deste projeto consiste em promover a aproximação dos sistemas de recuperação de imagens por conteúdo (CBIR) à realidade médica e explorar sua capacidade em Sistemas de Auxílio ao Diagnóstico (Computer-Aided Diagnosis) por imagens integrando essas duas novas abordagens: percepção do especialista e perfil do usuário no processo de recuperação e de mineração de imagens médicas. Para isso, serão disponibilizadas aos sistemas CBIR técnicas e ferramentas que permitam incorporar a perspectiva de análise de imagens e dados do ponto de vista do conhecimento do especialista, diminuindo o gap semântico. A inclusão da percepção do especialista e dos perfis dos usuários na construção de ferramentas CBIR irá aproximar essa tecnologia do especialista médico, quebrando a barreira entre a ciência médica e a ciência da computação.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Marcela Xavier Ribeiro - Integrante / TRAINA, A. J. M. - Coordenador.
      Membro: Marcela Xavier Ribeiro.
    3. 2014-2018. Tecnicas fundamentais para sistemas de gerenciamento de bases de dados complexos relacionais
      Descrição: Os Sistemas de Gerenciamento de Bases de Dados (SGBD) baseados na Teoria Relacional foram desenvolvidos para atender às necessidades de armazenagem e recuperação de grandes volumes de dados representados por valores numéricos, datas e pequenas cadeias de caracteres, chamados genericamente ``dados escalares''. Com a evolução da tecnologia da informação, vem se tornando necessário organizar, armazenar e recuperar outros tipos de dados, a que nos referimos como ``dados complexos'', tais como imagens, vídeo, séries temporais, sequências genômicas, etc. As consultas por identidade ou ROT, úteis para dados escalares, não são adequadas para dados complexos. Para eles, as consultas por similaridade têm sido a opção mais estudada, mas a sua disponibilidade nos SGBD ainda é bastante restrita. Este projeto visa realizar um estudo amplo sobre a incorporação de recursos para recuperação de dados complexos por similaridade em SGBD Relacionais, e desenvolver técnicas básicas que cubram as principais necessidades dos principais módulos de um SGBD, incluindo: - A integração da representação de consultas por similaridade em uma extensão da linguagem SQL, - A definição unificada dos operadores algébricos por similaridade segundo a teoria relacional, como operadores interoperáveis com os tradicionais, - O desenvolvimento de técnicas para otimização lógica e física dos planos de execução de consultas, e - O desenvolvimento de técnicas para indexação e recuperação eficiente de em combinações de operações de busca por similaridade, por identidade e por ROT.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (4) / Doutorado: (6) . Integrantes: Renato Bueno - Integrante / Caetano Traina Jr - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Renato Bueno.
    4. 2011-2013. Integracao de multiplos espacos metricos em consultas por similaridade: Aplicacoes em imagens medicas
      Descrição: Pesquisar maneiras de melhorar os resultados obtidos nas consultas por conteúdo sobre dados complexos, representados por múltiplos conjuntos de características.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) . Integrantes: Renato Bueno - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T A: 3 / Número de orientações: 2
      Membro: Renato Bueno.

Prêmios e títulos

  • Total de prêmios e títulos (0)

    Participação em eventos

    • Total de participação em eventos (5)
      1. 2019 23rd International Conference Information Visualisation (IV). Delimitation of Regions of Interest in Similarity Queries Visualization. 2019. (Congresso).
      2. 2019 23rd International Conference Information Visualisation (IV). Evaluating Boundary Conditions and Hierarchical Visualization in CBIR. 2019. (Congresso).
      3. 2017 21st International Conference Information Visualisation (IV).Visual-Interactive k-NDN Method (VIK): A Novel Approach to Visualize and Interact with Content-Based Image Retrieval Systems Regarding Similarity and Diversity. 2017. (Simpósio).
      4. 15th International Conference on Information Visualization (IV).Using Visual Analysis to Weight Multiple Signatures to Discriminate Complex Data. 2011. (Simpósio).
      5. 14th International Conference on Information Visualization (IV). Metric Data Analysis Enhanced through Temporal Visualization. 2010. (Congresso).

    Organização de eventos

    • Total de organização de eventos (0)

      Lista de colaborações

      • Colaborações endôgenas (3)
        • Renato Bueno ⇔ Marcela Xavier Ribeiro (5.0)
          1. REAL, LUIZ GUSTAVO S. ; BUENO, RENATO ; RIBEIRO, MARCELA X.. Evaluating Boundary Conditions and Hierarchical Visualization in CBIR. Em: 2019 23rd International Conference Information Visualisation (IV), v. 1, p. 68-73, 2019.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          2. DIAS, RAFAEL LOOSLI ; MPINDA, STEVE ATAKY TSHAM ; BUENO, RENATO ; RIBEIRO, MARCELA XAVIER. Visual-Interactive k-NDN Method (VIK): A Novel Approach to Visualize and Interact with Content-Based Image Retrieval Systems Regarding Similarity and Diversity. Em: 2017 21st International Conference Information Visualisation (IV), p. 72-77, 2017.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          3. DIAS, RAFAEL L. ; BUENO, RENATO ; RIBEIRO, MARCELA X.. Reducing the complexity of k-nearest diverse neighbor queries in medical image datasets through fractal analysis. Em: 2013 IEEE 26th International Symposium on ComputerBased Medical Systems (CBMS), v. 1, p. 101-106, 2013.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          4. CARNIEL, ANDERSON CHAVES ; DE AGUIAR SA, ARIED ; BRISIGHELLO, VINICIUS HENRIQUE PORTO ; Ribeiro, Marcela Xavier ; BUENO, RENATO ; CIFERRI, RICARDO RODRIGUES ; DE AGUIAR CIFERRI, CRISTINA DUTRA. Query Processing over Data Warehouse using Relational Databases and NoSQL. Em: 2012 XXXVIII Conferencia Latinoamericana En Informatica (CLEI), p. 1-10, 2012.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          5. BUENO, R.; Ribeiro, M.X. ; TRAINA, Agma Juci Machado ; TRAINA JR, Caetano. Improving Medical Image Retrieval through Multi-Descriptor Similarity Functions and Association Rules. Em: 23rd International Symposium on Computer-Based Medical Systems (CBMS 2010), v. 1, p. 309-314, 2010.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

        • Renato Bueno ⇔ Cesar Augusto Camillo Teixeira (1.0)
          1. VIEL, CAIO CÉSAR ; RODRIGUES, KAMILA RIOS DA HORA ; MELO, ERICK LAZARO ; BUENO, RENATO ; PIMENTEL, MARIA DA GRAÇA CAMPOS ; TEIXEIRA, CESAR AUGUSTO CAMILLO. Interaction with a Problem Solving Multi Video Lecture: Observing Students from Distance and Traditional Learning Courses. International Journal: Emerging Technologies in Learning. v. 9, p. 39-46, issn: 1863-0383, 2014.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

        • Renato Bueno ⇔ Ricardo Rodrigues Ciferri (1.0)
          1. CARNIEL, ANDERSON CHAVES ; DE AGUIAR SA, ARIED ; BRISIGHELLO, VINICIUS HENRIQUE PORTO ; Ribeiro, Marcela Xavier ; BUENO, RENATO ; CIFERRI, RICARDO RODRIGUES ; DE AGUIAR CIFERRI, CRISTINA DUTRA. Query Processing over Data Warehouse using Relational Databases and NoSQL. Em: 2012 XXXVIII Conferencia Latinoamericana En Informatica (CLEI), p. 1-10, 2012.
            [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]




      Data de processamento: 12/10/2020 22:29:19