Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Aceitar Rejeitar
  • Menu
Factos & Números
000
Apresentação

Centro de Investigação em Engenharia Biomédica

No C-BER os nossos objetivos vão desde a criação de conhecimento interdisciplinar que permita a inovação e a transferência de tecnologia com impacto económico até ao desenvolvimento de produtos, ferramentas e métodos para a prevenção e deteção precoce de diferentes tipos de doenças, problemas relacionados com o envelhecimento, reabilitação humana, fisioterapia ou avaliação funcional.

Pretendemos ainda contribuir para o desenvolvimento de neuro-tecnologias avançadas na fronteira entre a engenharia e a neurologia, assim como promover parcerias estratégicas com parceiros clínicos, institutos de investigação e fomentar a cooperação internacional.

Desenvolvemos investigação em três áreas distintas: Imagem Biomédica, Bioinstrumentação e Neuroengenharia.

Últimas Notícias
Redes de Sistemas Inteligentes

Tecnologia INESC TEC no primeiro implante do mundo de neuroestimulador com monitorização de longo termo em doente epilético

A primeira utilização dum novo neuroestimulador fabricado pela empresa americana Medtronic utiliza tecnologia desenvolvida pelo Centro de Investigação em Engenharia Biomédica (C-BER) do INESC TEC para medir os movimentos introduzidos por eventos epiléticos em 3D e relaciona-los com a estimulação cerebral profunda bem como com sinais cerebrais lidos dentro e à superfície do cérebro (EEG). Aprovado para uso humano na Europa em janeiro deste ano permite estimular e captar sinais cerebrais em simultâneo, o que poderá fazer toda a diferença na qualidade de vida dos doentes. Pela primeira vez no mundo, foi implantado num doente com epilepsia e usado num estudo de video3D síncrono com EEG, no final do mês de junho, no Centro Hospitalar Universitário de São João (CHUSJ).

14 setembro 2020

Redes de Sistemas Inteligentes

Spin-off INESC TEC reconhecida como uma das mais promissoras do mundo em saúde digital

A iLoF – Intelligent on Fiber, uma spin-off da Universidade  do Porto nascida no INESC TEC e atualmente incubada na Faculdade de Medicina (FMUP), está entre as 150 startups mais promissoras a nível mundial na área da saúde digital, de acordo com a lista fornecida pela CB Insights, empresa Norte-Americana especializada em análise de negócios.

31 agosto 2020

Redes de Sistemas Inteligentes

INESC TEC desenvolve algoritmos de inteligência artificial para apoiar diagnóstico médico

O projeto TAMI (Transparent Artificial Medical Intelligence), liderado pela First Solutions e com a participação do INESC TEC através do Centro de Telecomunicações e Multimédia (CTM) e do Centro de Investigação em Engenharia Biomédica (C-BER), tem como objetivo tornar o diagnóstico médico apoiado por inteligência artificial (IA) mais claro e confiável.

06 agosto 2020

Redes de Sistemas Inteligentes

Investigadores do INESC TEC organizaram conferência sobre Análise e Reconhecimento de Imagem

A ICIAR 2020 – 17th International Conference on Image Analysis and Recognition – decorreu entre os dias 24 e 26 de junho. A conferência internacional nas áreas de Processamento e Análise de Imagem, Visão por Computador, Aprendizagem Automática e Análise de Imagem Médica tem acontecido anualmente, alternando entre Portugal e o Canadá. A edição de 2020 foi 100% digital, contando com a colaboração de cinco investigadores do INESC TEC.

09 julho 2020

Projeto recorre à fotónica e à IA para prever evolução da infeção por COVID-19

Um grupo de investigadores do Centro de Fotónica Aplicada (CAP), do Centro de Engenharia Biomédica (C-BER) e do Centro para a Inovação, Tecnologia e Empreendedorismo (CITE) do INESC TEC, e da spin-off iLoF está a estudar a implementação de uma ferramenta baseada em medicina personalizada, rápida e de baixo custo, para prever a evolução da infeção viral por Covid-19 nos pacientes.

11 maio 2020

Tópicos de interesse
024

Projetos Selecionados

C4MiR_BIP_Proof

C4MiR_BIP_Proof_PROGRAMA DE ATRIBUIÇÃO DE APOIOS PARA PROVA DE CONCEITO DA UNIVERSIDADE DO PORTO

2020-2021

CAIRUS

COVID-19 Artificial Intelligence-based Risk Unified Stratification tool for clinical management

2020-2020

CXR_AI4COVID19

Chest Radiography-based AI for Supporting ClinicalDecision on Covid-19

2020-2020

TAMI

Transparent Artificial Medical Intelligence

2020-2023

BioNanoTech

Serviços de apoio técnico - iLoF spin-off

2020-2021

MRI_Simulator

Aluguer do Simulador de Ressonância Magnética à Faculdade de Psicologia e de Ciências da Educação da Universidade do Porto

2019-2020

WalkingPAD

Patient education on a quantified supervised home-based exercise therapy to improve walking ability in patients with peripheral arterial disease and intermittent claudication

2019-2021

Serv_Neuro

Consultoria Insignals Neurotech no âmbito do programa EIT Health Startups Meets Pharma 2019

2019-2019

LUCAS

Rastreio do cancro do pulmão - uma metodologia não invasiva para o diagnóstico precoce

2018-2021

PERFECT

Equivalência percetual em realidade virtual para treino autêntico

2018-2020

TexBoost

Less Commodities more Specialities

2017-2020

LNDetector

Sistema Automático de Deteção, Segmentação e Classificação de Nódulos Pulmonares em Imagens Tomografia Computadorizada

2016-2019

SCREEN-DR

Plataforma de Análise de Imagem e de Aprendizagem Computacional para a Inovação no Rastreio da Retinopatia Diabética

2016-2020

Bio-Early

Projeto Vital Sticker no âmbito do Contrato Programa

2015-2018

NanoStima-RL5

NanoSTIMA - Advanced Methodologies for Computer-Aided Detection and Diagnosis

2015-2019

NanoStima-RL1

NanoSTIMA - Macro-to-Nano Human Sensing Technologies

2015-2019

SMILES

TEC4Growth - RL SMILES - Smart, Mobile, Intelligent and Large scale Sensing and analytics

2015-2019

VR2Market

VR2Market: Desenvolvimento dum Produto para Monitorização Móvel e Vestível da Saúde de Profissionais de Primeira Resposta e de outras Profissões de Risco

2014-2019

STePMotion

Componentes espácio-temporais do processamento de informação motora e sensorial

2014-2015

EcoDrive

Condução Ecológica e Gestão Inteligente de Frotas

2014-2015

Re-Learning

Re-aprendizagem motora através do uso da fusão de informação de sensores

2014-2015

VitalResponder2

Gestão inteligente de eventos críticos de stress, fadiga e intoxicação pelo fumo no combate a fogos florestais

2013-2015

ASD-MD

Doenças do Movimento na Perturbação do Espetro Autista

2013-2015

HERMES

Sistema de interactividade entre consumidores de conteúdos digitais

2013-2015

Equipa
003

Laboratórios

Laboratório de Imagem Biomédica

Laboratório Avançado de Neuroengenharia e Deteção Humana

Laboratório de BioInstrumentação

Publicações

C-BER Publicações

Ler todas as publicações

2020

Design and Evaluation of a Diaphragm for Electrocardiography in Electronic Stethoscopes

Autores
Martins, M; Gomes, P; Oliveira, C; Coimbra, M; da Silva, HP;

Publicação
IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING

Abstract
Combining Phonocardiography (PCG) and Electrocardiography (ECG) data has been recognized within the state-of-the-art as of added value for enhanced cardiovascular assessment. However, multiple aspects of ECG data acquisition in a stethoscope form factor remain unstudied, and existing devices typically enforce a substantial change into routine clinical auscultation procedures, with predictably low technology acceptance. As such, in this paper, we present a novel approach to ECG data acquisition throughout the five main cardiac auscultation points, and that intends to be incorporated in a commonly used electronic stethoscope. Therefore, it enables analysis and acquisition of both PCG and ECG signals in a single pass. We describe the development, experimental evaluation, and comparison of the ECG signals obtained using our proposed approach and a gold standard medical device, through metrics that allow the evaluation of morphological similarities. Results point to a high correlation between the two evaluated setups, thus supporting the idea of meaningfully collecting ECG data along medical auscultation points with the proposed form factor. Moreover, this work has led us to conclude that for the studied population, signals acquired on focuses F1, F2, and F3 are usually highly correlated with leads V1 and V2 of the standard ECG medical recording procedure.

2020

Pattern Recognition Techniques for the Identification of Activities of Daily Living Using a Mobile Device Accelerometer

Autores
Pires, IM; Marques, G; Garcia, NM; Florez Revuelta, F; Canavarro Teixeira, M; Zdravevski, E; Spinsante, S; Coimbra, M;

Publicação
ELECTRONICS

Abstract
The application of pattern recognition techniques to data collected from accelerometers available in off-the-shelf devices, such as smartphones, allows for the automatic recognition of activities of daily living (ADLs). This data can be used later to create systems that monitor the behaviors of their users. The main contribution of this paper is to use artificial neural networks (ANN) for the recognition of ADLs with the data acquired from the sensors available in mobile devices. Firstly, before ANN training, the mobile device is used for data collection. After training, mobile devices are used to apply an ANN previously trained for the ADLs' identification on a less restrictive computational platform. The motivation is to verify whether the overfitting problem can be solved using only the accelerometer data, which also requires less computational resources and reduces the energy expenditure of the mobile device when compared with the use of multiple sensors. This paper presents a method based on ANN for the recognition of a defined set of ADLs. It provides a comparative study of different implementations of ANN to choose the most appropriate method for ADLs identification. The results show the accuracy of 85.89% using deep neural networks (DNN).

2020

Gaussian Mixture Model Based Probabilistic Modeling of Images for Medical Image Segmentation

Autores
Riaz, F; Rehman, S; Azad, MA; Hafiz, R; Hassan, A; Aljohani, NR; Nawaz, R; Young, RCD; Coimbra, MT;

Publicação
IEEE Access

Abstract
In this paper, we propose a novel image segmentation algorithm that is based on the probability distributions of the object and background. It uses the variational level sets formulation with a novel region based term in addition to the edge-based term giving a complementary functional, that can potentially result in a robust segmentation of the images. The main theme of the method is that in most of the medical imaging scenarios, the objects are characterized by some typical characteristics such a color, texture, etc. Consequently, an image can be modeled as a Gaussian mixture of distributions corresponding to the object and background. During the procedure of curve evolution, a novel term is incorporated in the segmentation framework which is based on the maximization of the distance between the GMM corresponding to the object and background. The maximization of this distance using differential calculus potentially leads to the desired segmentation results. The proposed method has been used for segmenting images from three distinct imaging modalities i.e. magnetic resonance imaging (MRI), dermoscopy and chromoendoscopy. Experiments show the effectiveness of the proposed method giving better qualitative and quantitative results when compared with the current state-of-the-art. © 2013 IEEE.

2020

Secure Triplet Loss for End-to-End Deep Biometrics

Autores
Pinto, JR; Cardoso, JS; Correia, MV;

Publicação
2020 8th International Workshop on Biometrics and Forensics (IWBF)

Abstract

2020

Virtual reality in training: an experimental study with firefighters

Autores
Narciso, D; Melo, M; Raposo, JV; Cunha, J; Bessa, M;

Publicação
Multimedia Tools and Applications

Abstract
Training with Virtual Reality (VR) can bring several benefits, such as the reduction of costs and risks. We present an experimental study that aims to evaluate the effectiveness of a Virtual Environment (VE) to train firefighters using an innovative approach based on a Real Environment (RE) exercise. To measure the VE’s effectiveness we used a Presence Questionnaire (PQ) and participant’s cybersickness, stress and fatigue. Results from the PQ showed that participants rated the VE with high spatial presence and moderate realness and immersion. Signs of stress, analyzed from participant’s Heart-Rate Variability, were shown in the RE but not in the VE. In the remaining variables, there was only an indicative difference for fatigue in the RE. Therefore, the results suggest that although our training VE was successful in giving participants spatial presence and in not causing cybersickness, its realness and immersion provided were not enough to provoke a similar RE response. © 2019, Springer Science+Business Media, LLC, part of Springer Nature.

Factos & Números

22Artigos em revistas indexadas

2019

4Capítulos de livros

2019

29Artigos em conferências indexadas

2019

Contactos
C-BER
Centro de Investigação em Engenharia Biomédica
João Paulo Cunha

Responsável

+351222094106

joao.p.cunha@inesctec.pt