SISusana Marrero Iglesias

Susana Marrero Iglesias

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Susana Marrero Iglesias has a total of 39 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Modelos de Aprendizado de Máquina na Detecção de Câncer de Mama Utilizando Características GLCM e de Primeira Ordem

    by Matheus Santos Silva, Dany S. Dominguez, Helder C. de Almeida, Paulo E. Ambrosio, Susana M. Iglesias

    Entre as mulheres, o câncer de mama é um dos tipos de câncer com maior incidência e letalidade no mundo. Apesar da alta taxa de letalidade, o câncer de mama tem alta porcentagem de cura e diagnósticos favoráveis quando diagnosticado em estágios iniciais. A mamografia é considerada o melhor método de detecção, contudo, suas imagens são complexas, o que torna a análise diagnóstica suscetível a erros. Uma das formas de reduzir os erros é o uso de métodos computadorizados para auxílio ao diagnóstico. Com o objetivo de contribuir para o diagnóstico preciso desta doença, neste trabalho, comparamos três modelos de aprendizado de máquina na detecção de câncer de mama usando o banco de imagens de mamografia MIAS, a partir de características extraídas da matriz de co-ocorrência de níveis de cinza (GLCM) e de primeira ordem. Os modelos avaliados são o K-Nearest neighbor (KNN), random forest e XGBoost. Os resultados mostram que os modelos testados não obtiveram resultados com alto grau de precisão. Entre os modelos avaliados, o XGBoost obteve o melhor resultado de detecção.

  • Open Access

    Código GATE na geração de imagens e cálculos de doses de um sistema tomográfico convencional

    by Felix Mas Milian, Paulo Eduardo Ambrosio, Susana Marrero Iglesias, Marcelo Ossamu Honda, Allan Medeiros Martins, Dany Sanchez Dominguez

    Neste trabalho é apresentada uma metodologia para realizar simulações de tomografia de feixe cônico utilizando o código GATE. Dois modelos antropomórficos computacionais, o ICRP110 e o MASH3, foram utilizados para representação dos pacientes. Para cada modelo foram obtidas 360 imagens representando o padrão de atenuação de um feixe de fótons de até 120kV ao passar pelo paciente numa rotação completa. Para avaliar a simulação, imagens de tomografia computadorizada 3D foram reconstruídas utilizando um programa comercial, obtendo-se resultados satisfatórios. Resultados promissores também foram obtidos utilizando um código de reconstrução em desenvolvimento pelo nosso grupo. Foram calculadas as doses depositadas para cada direção do feixe e para todo o exame tomográfico. A metodologia apresentada poderá ser utilizada em trabalhos futuros para o desenho e otimização de novos tipos de tomógrafos.


  • Open Access

    Exponential Response Matrix Spectral Nodal Method for the Discrete Ordinates Neutral Particle Transport Model

    by Iram B. Rivas-Ortiz, Dany Sanchez-Dominguez, Susana Marrero Iglesias, Paulo Eduardo Ambrósio

    In this work, the response matrix‐exponential nodal method is presented to solve fixed source neutral particle transport problems with isotropic scattering and discrete ordinates formulation in two‐dimensional Cartesian geometry. The method is based on the response matrix scheme by using the general solution of the transverse integrated SN nodal equations with exponential approximations for the leakage terms. This approach eliminates the need for additional auxiliary equations found in the spectral Green’s function (SGF) schemes, streamlining internodal computation to a matrix‐vector multiplication. The formulation includes a lambda parameter possible determined by the medium characteristics, e.g., the scattering ratio coefficient and/or empirical methods. Two model problems with low absorption rates were investigated to analyze the performance of the proposed method. The numerical solutions exhibited superior accuracy for the coarsest spatial grid configurations in both homogeneous and heterogeneous study cases. However, refining the spatial grid revealed a relative loss in accuracy compared to the RM‐CN method, potentially due to increased truncation error propagation. Nevertheless, all numerical solutions converge to the reference solution when refining the spatial discretization grid. Comparison of both response matrix schemes demonstrated similar convergence rates and computational efficiency in terms of iterations and CPU consumption.

  • Open Access

    Application of Segmentation and Fuzzy Classification Techniques (TSK) in Analyzing the Composition of Lightweight Concretes Containing Ethylene Vinyl Acetate and Natural Fibers Using Micro-Computed Tomography Images

    by Miquéias A. S. Silva, Susana M. Iglesias, Paulo E. Ambrosio, Iram B. R. Ortiz, Dany S. Dominguez, Diego Frias

    The reuse of ethylene vinyl acetate (EVA) discarded from the sports and footwear industries as a partial substitute for gravel in concrete is a way of reducing anthropogenic environmental impacts by enabling the production of lighter structures with similar and superior resistance to those built with traditional concrete. Several studies have been published replacing gravel with EVA and natural fibers, resulting in lighter, more resistant, cheaper, and more ecological concrete. However, there is no methodology to characterize the composition and internal structure of these materials accurately and efficiently, which is vital for quality control in mass-produced pre-molded shapes. In this study, an automated system was developed to measure the percentage of each component in test cores using micro-computed tomography (Micro-CT). For this, (1) Micro-CT images were obtained for concrete test cores made with coarse aggregate consisting of gravel, EVA, and natural fibers in different proportions; (2) the images were segmented differentiating the gravel from the rest of the aggregate, while the remainder was further segmented with the cementitious matrix as background, and the pores, EVA fragments, and fibers as objects against this background; and (3) a Takagi–Sugeno–Kang-type fuzzy inference system was built to classify the objects in the foreground as pores, EVA, and fiber. The tool developed in this manner estimates the percentages of each concrete component and also provides an estimate of the porosity.

  • Open Access

    Modelos de Aprendizado Profundo para a Previsão do Preço da Cesta Básica das Cidades de Ilhéus e Itabuna

    by Matheus Santos Silva, Dany Sanchez Dominguez, Diego Gervasio Frías Suárez, Susana Marrero Iglesias

    Nos últimos anos, o uso de aprendizagem de máquina ganhou grande relevância na previsão de séries temporais em diversas áreas. No campo da economia, essas previsões tiveram aplicações no planejamento estratégico, gestão de recursos e colaboraram para aprimorar o processo de tomada de decisão. Neste trabalho são propostas três arquiteturas de redes neurais do aprendizado profundo para realizar a previsão do preço da cesta básica das cidades de Ilhéus e Itabuna, e assim contribuir para que os gestores dessas regiões possam implementar políticas públicas eficientes. As arquiteturas propostas são uma rede neural recorrente (RNN), uma rede long short-term memory (LSTM) e uma rede convolucional (CNN). Nessas arquiteturas são executados testes para selecionar os melhores parâmetros de configuração de cada rede, então as redes são utilizadas para realizar previsões no horizonte de 3 meses, e pôr fim a acurácia de previsão de cada modelo é avaliada, comparando-os entre si. Os resultados mostram que todos os modelos propostos obtiveram resultados aceitáveis e foram capazes de generalizar e reproduzir satisfatoriamente o comportamento da série de ambas as cidades. Ao compararmos os modelos, o RNN oferece o menor erro de previsão nas duas cidades, com custo computacional equivalente aos outros modelos, pelo que recomendamos sua utilização em tarefas de predição, especificamente na geração dos boletins de indicadores socioeconômicos regionais.

  • Open Access

    Multibody Simulation for Gravity-Driven Falling Film Using Computational Fluid Dynamics

    by Susana Marrero Iglesias, Dany Sanchez Dominguez, Leorlen Yunier Rojas Mazaira, Alberto Escrivá, José Luis Muñoz-Cobo, Yago Rivera, Cesar Berna

    The annular flow two-phase regime appears in nuclear power plants cooling by water. On accidents with lost of cooling this regime determine the heat extraction conditions from the core. The experimental facility Gerador de Película Ondulatoria (GEPELON) was constructed at Universitat Politècnica de València to study this phenomenon. In this work, we use computational fluid dynamics techniques to simulate an air-water regime, specifically a gravity-driven falling liquid film in the GEPELON experimental facility. We consider a multibody geometry where the porous sintered of the input device is simulated in a realistic way. The Volume of Fluid (VOF) model was used in the resolution of the constitutive equations. We propose three geometric approximations to estimate film thickness, and simulation results were compared with experimental values. The simulation results show a good agreement with experimental measurements. Besides, no significant differences were observed between geometrical approximations for film thickness calculations.

  • Open Access

    SOLUÇÃO PARALELA PARA O PROCESSAMENTO DE IMAGENS TRIDIMENSIONAIS DE ARGAMASSA LEVE

    by Susana Marrero Iglesias, Rodrigo Silva Mendonça, Esbel Tomás Valero Orellana, Dany Sanchez Dominguez

    O uso de técnicas de análise de imagens tridimensionais obtidas a partir de microtomografia computadorizada, é um recurso importante para a caracterização de materiais usados na construção civil. Não entanto, a aplicação destas técnicas é dificultada pelo tempo de processamento e pela grande quantidade de memória necessária para armazenamento e caracterização das mesmas, principal desvantagem da análise 3D. Neste artigo apresentamos um conjunto de algoritmos com diferentes abordagens desenvolvidos para extrair parâmetros que permitam a caraterização do material, de forma eficiente e escaláveis visando permitir o processamento de grandes volumes de informação em um tempo razoável. Para o processamento das imagens foram utilizadas abordagens de uma e duas passagens, modificadas para trabalhar com imagens tridimensionais. Foi introduzido também técnicas de processamento paralelo em arquitetura de memória distribuída, com o uso de troca de mensagens baseada em MPI, visando aumentar a capacidade e a velocidade de processamento. As diversas implementações foram avaliadas em termos da qualidade dos resultados, do tempo de processamento e do uso de memória, com ajuda das métricas apropriadas. Os algoritmos mostraram resultados satisfatórios na extração dos parâmetros. A implementação UFMIX mostrou capacidade para processar grandes volumes de informação (grandes imagens 3D), tendo limitações no desempenho devido, fundamentalmente, à velocidade de I/O. As implementações paralelas de RGX_PV e UFX_PV mostraram-se mais indicados para conjuntos maiores de imagens, com destaque UFX_PV que apresentou uma maior eficiência em todos os casos. Os resultados demonstram a viabilidade de realizar a análise tridimensional de imagens tomográficas de grande porte com estes algoritmos.

  • Open Access

    MÉTODO HÍBRIDO DE REDES NEURAIS E MODELO ARIMA NA PREVISÃO DO CUSTO DA CESTA BÁSICA NA CIDADE DE ILHÉUS

    by Darcio R Da Silva, Dany S. Dominguez, Paulo E Ambrosio, Susana M Iglesias

    Técnicas de modelagem computacional têm sido extensivamente aplicadas na análise e previsão de series temporais de dados socioeconômicos. Estas aplicações adquirem maior relevância no contexto de governança eletrônica, isto é, quando aplicadas na otimização de políticas públicas. Os métodos estatísticos e os modelos baseados em redes neurais oferecem resultados satisfatórios na previsão de series temporais. Entretanto, diversos autores destacam que o uso de modelos híbridos, que combinem ambas as abordagens, deve gerar previsões de maior qualidade. Neste trabalho, apresentamos um modelo híbrido que combina o método Autoregressivo Integrado e de Médias Móveis (ARIMA) com Redes Neurais Artificiais (RNA) na previsão de séries temporais do custo da cesta básica de alimentos na cidade de Ilhéus, região Sul da Bahia. A construção do método híbrido envolve selecionar o modelo ARIMA apropriado e a estimação de seus parâmetros através da analise das funções de correlação. Em relação a rede neural devemos selecionar a topologia da rede, e calcular os pesos sinápticos de cada neurônio mediante um algoritmo de treinamento. O modelo híbrido resultante é utilizado para gerar previsões em curto e médio prazo, avaliando os resultados através de medidas estatísticas de acurácia. Ademais, os resultados do modelo híbrido são comparados com os gerados pelos modelos de abordagem individual RNA e ARIMA, destacando as vantagens do uso de modelos híbridos.


  • Métodos Avançados de Previsão de Séries Temporais Aplicados a Dados Socioeconômicos na Região Sul da Bahia

    by Darcio Rocha Silva, Dany Sanchez Dominguez, Paulo Eduardo Ambrosio, Susana Marrero Iglesias

    Métodos Avançados de Previsão de Séries Temporais Aplicados a Dados Socioeconômicos na Região Sul da Bahia

  • A composite spatial grid spectral Green's function method for one speed discrete ordinates eigenvalue problems in two-dimensional Cartesian geometry

    by Dany S. Dominguez, Rogério V.M. Rocha, Susana M. Iglesias, Alberto Escrivá, Hermes Alves Filho