DRONECOLAB: identificação de zonas de reprodução da Dengue

  • Larissa Rocha Santos Universidade Federal do Rio de Janeiro (UFRJ)
  • Angélica Dias Universidade Federal do Rio de Janeiro (UFRJ)
  • Cláudio de Farias Universidade Federal do Rio de Janeiro (UFRJ)
  • Henrique Serdeira Universidade Federal do Rio de Janeiro (UFRJ)

Resumo


O aumento global de doenças relacionadas a arbovírus, especialmente a dengue, destaca-se nas regiões periféricas urbanas. Em 2022, a FIOCRUZ registrou 1.450.270 possíveis casos de Aedes Aegypti. Este estudo propõe o uso de drones equipados com câmeras e inteligência artificial para prevenir a propagação da dengue no Rio de Janeiro, focando em populações vulneráveis. Alinhado a sistemas colaborativos e integração comunitária, os drones mapeiam focos de reprodução, destacando a eficácia técnica e a inclusão da comunidade. O trabalho contribui para estratégias de saúde pública em contextos urbanos desafiadores, promovendo a participação comunitária e a integração de tecnologia para abordar questões de saúde global, demonstrando aplicabilidade.

Palavras-chave: Dengue, População Vulnerável, Drones, Colaboração, Inteligência artificial

Referências

ANAC. Regulamento Brasileiro da Aviação Civil Especial rbac-e no 94 - Requisitos Gerais para Aeronaves Não Tripuladas de Uso Civil - Aprovação: Resolução no 419, de 2 de maio de 2017. Origem: SAR/SPO, acessado em julho 2020

Donalisio M.R; Freitas A.R.R.; Von Zuben. A.P.B. Arboviroses emergentes no Brasil: desafios para a clínica e implicações para a saúde pública. In: Revista de Saúde Pública, v51, n30. 2017.

Gould D.J.; Moralejo D.; Drey N.; Chudleigh J.H.; Taljaard M. Interventions to improve hand hygiene compliance in patient care. In: Cochrane Database of Systematic Reviews, v9. 2017.

MINISTERIO DA SAÚDE BRASIL. Boletim epidemiológico: Monitoramento dos casos de dengue, febre de chikungunya e febre pelo vírus Zika até a Semana Epidemiológica 49, Disponível em: [link]. Acessado em agosto de 2020.

C. Monteiro; L.B. Gonçalves and J.R.T. Quadros (2017). “Face Recognition System for automatic security control”. In: CISTI 2017, Porto-PT

Rafael Cardoso 22/10/2023 - [link]

Rodrigo Vilani, Carlos Machado, Erica Rocha – [link]

DSA - Data Science Academy. Deep Learning Book. Disponível em: [link] Acessado em julho 2020.

G. F. de Mesquita, L. R. Santos, E. E. C. Dias, L. C. Lanzillotta, P. H. L. S. Pimentel e J. R. T. Quadros (2021). Drone with anti-larvaes biomedicines, using deep learning to identify the reproduction zones of insects, in: CISTI 2021, Espanha.

Saneamento, dengue e demandas sociais na maior favela do Estado do Rio de Janeiro: a Rocinha

Heterogeneidade espacial da dengue em estudos locais, Niterói, RJ”e ”Drones to the Rescue: A Support Solution for Emergency Response
Publicado
29/04/2024
SANTOS, Larissa Rocha; DIAS, Angélica; DE FARIAS, Cláudio; SERDEIRA, Henrique. DRONECOLAB: identificação de zonas de reprodução da Dengue. In: DESENHO DE PESQUISA - SIMPÓSIO BRASILEIRO DE SISTEMAS COLABORATIVOS (SBSC), 19. , 2024, Salvador/BA. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2024 . p. 58-63. DOI: https://doi.org/10.5753/sbsc_estendido.2024.238584.