Especialistas Seniores em Covid-19 com atuação no Brasil

Joao Luiz Dihl Comba

João L. D. Comba é Professor Titular no Instituto de Informática da UFRGS desde 2002, onde conduz atividades de pesquisa, ensino de graduação e pós-graduação, e orientação de alunos de doutorado, mestrado e iniciação científica. Possui doutorado em Ciências da Computação pela Universidade de Stanford, Estados Unidos (2000) com orientação do Prof. Leonidas J. Guibas, mestrado em Engenharia de Sistemas e Computação pela COPPE-Universidade Federal do Rio de Janeiro (1991) e bacharelado em Ciencias de Computacao pela Universidade Federal do Rio Grande do Sul (1987). Atua na área de Processamento Gráfico, com ênfase nos seguintes temas: visualização e análise de dados, ciência de dados, visualização científica, aprendizado de máquina, algoritmos geométricos, estruturas de dados espaciais e hardware gráfico. Atividades Profissionais de destaque incluem: co-editor da coluna Visualisation Corner da revista Computing in Science & Engineering, editor associado da revista ComputersGraphiics, co-chair de tutoriais da IEEE Visualisation 2016 e 2015, co-chair do Comitê de Programa do EG-PGV 09 (Eurographics/ACM Siggraph Symposium on Parallel Graphics and Visualization) realizado em Munique (Março 2009), co-chair do Award Student Prize do Computer Graphics International 2007, Co-Chair do Comitê de Programa do SIBGRAPI 2004/ II SIACG, e membro do comitê de programa da IEEE Visualization nos anos de 2005, 2006 e 2007. Coordenou projetos de colaboração internacional com França (CAPES-COFECUB), Estados Unidos (CNPq-NSF), Alemanha (CAPES-DAAD- Probral) e Holanda (CAPES-Branetec). Coordenador de Projeto FAPERGS em 2020 para combate à COVID-19/ Coordenador de Projetos CNPq Edital Universal dos anos de 2018, 2012, 2007 e 2004, Jovens Pesquisadores 2008. Detém uma patente na área de processamento gráfico (Estados Unidos Patente 6,356,262). Tem atuado como revisor dos seguintes periódicos: ACM Transactions on Graphics, IEEE Transactions on Visualization and Computer Graphics, IEEE Computer Graphics and Applications, Computer Graphics Forum, Visual Computer, Computers & Graphics, entre outros. (Texto informado pelo autor)

  • https://lattes.cnpq.br/0988994019537246 (09/09/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 1C
  • Período de análise:
  • Endereço: Universidade Federal do Rio Grande do Sul, Instituto de Informática, Departamento de Informática Aplicada. Av. Bento Gonçalves 9500 Bloco IV Predio 43425 Caixa Postal 15064 Agronomia 91501070 - Porto Alegre, RS - Brasil - Caixa-postal: 15064 Telefone: (51) 33086930 Fax: (51) 33087308 URL da Homepage: https://www.inf.ufrgs.br/~comba
  • 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 (5)
    1. 2020-Atual. FAPERGS - CIDIA-19 - CIencia de Dados e Inteligencia Artificial para combater a COVID-19
      Descrição: A aplicação da Ciência de Dados na área da saúde tem se tornado cada vez mais frequente, dado o seu potencial de gerar insights que auxiliam na tomada de decisão, melhoram as condições de saúde dos pacientes e otimizam as operações hospitalares. No contexto da COVID-19, a rapidez com que a doença se disseminou pelo mundo, acometendo mais de 1,5 milhões de pessoas e causando mais de 100 mil óbitos, demanda soluções ágeis para acelerar o diagnóstico de pacientes com sintomas suspeitos e estimar a evolução da doença. Diante das limitações associadas à aplicação de exames laboratoriais e do acentuado aumento na demanda por serviços de saúde em um cenário de pandemia, é imprescindível o desenvolvimento de estratégias para alavancar a análise de dados clínicos, histórico epidemiológico, e exames por imagem, a fim de mais rapidamente diagnosticar COVID-19 entre casos suspeitos, principalmente em estágios iniciais da doença. Desta maneira, o objetivo desse projeto é aplicar técnicas do estado-da-arte de aprendizado de máquina para o auxílio ao diagnóstico e à melhoria da compreensão acerca da COVID-19. As contribuições do projeto estão distribuídas em cinco metas, a saber: (i) classificação automática de imagens de tomografia computadorizada de tórax; (ii) desenvolvimento de modelos preditivos e identificação de novos fatores de risco a partir da mineração de dados clínicos; (iii) integração de dados clínicos e de imagens utilizando abordagens multimodais para aprimorar diagnóstico; (iv) busca semântica de artigos científicos relacionados à COVID-19; e (v) monitoramento e predição da evolução da COVID-19 por meio da visualização de informações. Este projeto enquadra-se em dois dos temas priorizados no Edital. No escopo do tema ?6-Criação de soluções digitais para controle, monitoramento e previsão da disseminação do vírus", propomos a utilização da visualização de dados para explorar padrões temporais e regionais de disseminação do vírus, de acordo com estatísticas divulgadas pelos órgãos municipais, estaduais e federais. No contexto do tema ?7-Uso de inteligência artificial e de tecnologias digitais para referenciamento de pacientes e para melhoria da gestão do sistema de saúde", enquadram-se nossas propostas de utilização de técnicas de aprendizado de máquina para a aceleração do processo de diagnóstico a partir das imagens e de descoberta de conhecimento e realização de predições a partir dos dados clínicos.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: João Luiz Dihl Comba - Coordenador / Cláudio Jung - Integrante / Viviane Pereira Moreira - Integrante / Melina Silva de Loreto - Integrante / Mariana Recamonde Mendoza - Integrante / Roger Eliandro Menezes - Integrante / Ana Paula Zanardo - Integrante / Rafael Domingos Grando - Integrante / Gisele Nader Bastos - Integrante / Luiz Antônio Nasi - Integrante / Vitor Tadeu Ferreira - Integrante / Tiago Severo Garcia - Integrante / Mateus Samuel Tonetto - Integrante / Carlo Sasso Faccin - Integrante / Cauã Oliveira Rocha - Integrante.
      Membro: Joao Luiz Dihl Comba.
    2. 2019-Atual. CNPq - Edital Universal 2018 - Generalizacao de Cubos de Dados para Analise Visual de Eventos e Deteccao de Anomalias em Dados de Saude
      Descrição: O avanço da tecnologia de gerenciamento de informação permitiu que grandes quantidades de dados referentes ao acompanhamento de pacientes em instituições médicas fossem capturadas. Esses dados são de grande relevância para estudos de coorte (grupos de pacientes que são analisados quanto as suas respostas à intervenções médicas). Entretanto, a análise desses dados constitui um desafio devido ao seu grande volume, complexidade e heterogeneidade de formatos (dados estruturados e não estruturados). Técnicas de visualização são reconhecidas pela eficiência em auxiliar a exploração e identificação de padrões em coleções de dados complexos, o que as torna ideais para os problemas abordados pelo projeto. O pré-calculo de agregações é a base de estruturas de Cubos de Dados, mas estas têm como desafio o alto poder de processamento e armazenamento para armazenar e consultar as diferentes combinações de agregações existentes. Neste trabalho, propomos desenvolver a nova geração de Cubos de Dados. Para motivar os desafios que teremos, usamos conjuntos de dados de saúde como principal fonte de dados e questões que precisam ser respondidas por estas novas estruturas. O projeto divide-se no desenvolvimento da nova geração de Cubos de Dados e análise de dados para responder questões relevantes sobre um conjunto de dados provenientes do Sistema Único de Saúde (SUS) e outro referente a dados de tratamentos respiratórios na França. Ao combinar desafios para o avanço do estado-de-arte em estruturas de Cubos de Dados com problemas reais, esperamos neste projeto contemplar tanto o avanço da ciência como também seja importante para resolver questões da sociedade como a análise de dados de saúde.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: João Luiz Dihl Comba - Coordenador / Cícero A. L. Pahins - Integrante / Viviane Pereira Moreira - Integrante / Sihem Amer-Yahia - Integrante / Behrooz Omdivar-Tehrani - Integrante / FERREIRA, NIVAN - Integrante / Luis da Cunha Lamb - Integrante / Melina Silva de Loreto - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Joao Luiz Dihl Comba.
    3. 2018-Atual. CAPES-COFECUB Formac?a?o e Ana?lise de Grupos em Big Data Usando Te?cnicas de Visualizac?a?o
      Descrição: A aquisic?a?o de dados nunca foi ta?o ampla, diversa e acessi?vel. Hoje em dia, quase todos os dispositivos baseados em computador oferecem uma ampla gama de opc?o?es para coletar dados multi-dimensionais. As redes sociais, os dados governamentais, os registros de aplicativos e muitos outros geram imensas quantidades de dados brutos. O termo big data e? usado para se referir para esta colec?a?o de dados usualmente heteroge?neo e grande em tamanho. A explorac?a?o e ana?lise atrave?s da agregac?a?o desses conjuntos de dados e? muito importante, que muitas vezes usa ferramentas como histogramas e mapas de calor, entre outras te?cnicas para visualizac?a?o de informac?o?es. Ferramentas tradicionais, como bancos de dados relacionais e software de intelige?ncia de nego?cios, te?m problemas para suportar essas visualizac?o?es em cena?rios interativos de baixa late?ncia. Soluc?o?es especializadas atuais podem tomar quantidades proibitivamente grandes de memo?ria como o nu?mero de dimenso?es aumenta. Assim, a pesquisa em estruturas de dados especializadas que reduz a late?ncia de consulta nestes cena?rios continua a ser necessa?ria. Neste projeto iremos desenvolver va?rias linhas de pesquisa relacionadas com aspectos de ana?lise e processamento eficiente de big data. Em uma primeira linha de trabalho iremos explorar como podemos formar e identificar grupos de pessoas nestes dados. O uso de te?cnicas de visualizac?a?o de dados e? fundamental neste processo, pois ajuda a criar intuic?a?o sobre os dados, necessa?ria para ana?lise de grupos. A ana?lise baseada em grupos pode ser muito cara. O nu?mero de grupos possi?veis e? potencialmente muito grande, uma vez que e? exponencial no nu?mero de dados demogra?ficos e ac?o?es dos usua?rios. Consequ?entemente, precisamos abordar a escalabilidade, tanto no aspecto de processamento computacional, como no aspecto da visualizac?a?o. Numa segunda linha de trabalho iremos focar no projeto de algoritmos e estruturas de dados para representac?a?o e ana?lise visual de big data. Dentro desta linha os desafios de escalabilidade e? essencial no projeto de tais estruturas, bem como na extensa?o para o gerenciamento de dados dina?micos (streaming). E? preciso desenvolver estruturas de dados que sejam eficientes e possam ser usadas em conjunto com te?cnicas de visualizac?a?o que permite a ana?lise dos dados. Ale?m deste aspecto, iremos investigar formas mais avanc?adas para calcular agregac?o?es de dados usando teoria da informac?a?o, e como faze?-lo de forma computacionalmente eficiente. Em uma terceira linha de trabalho, iremos usar te?cnicas de visualizac?a?o para analisar dados de reviso?es, como por exemplo produtos vendidos em uma loja na internet, reviso?es de restaurantes, reviso?es de hote?is, etc. Os dados de comenta?rios sa?o ricos em informac?o?es contendo va?rias dimenso?es de atributos, ale?m de uma dimensa?o temporal. Suma?rios usam gra?ficos simples com estati?sticas sobre os comenta?rios. Usando te?cnicas de visualizac?a?o iremos permitir uma melhor ana?lise de opinio?es divergentes e ajudar na tomada de decisa?o.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: João Luiz Dihl Comba - Coordenador / NONATO, L. GUSTAVO - Integrante / Carla M D S Freitas - Integrante / RAFFIN, BRUNO - Integrante / Cícero A. L. Pahins - Integrante / SCHNORR, LUCAS MELLO - Integrante / Fabian Colque Zegarra - Integrante / Viviane Pereira Moreira - Integrante / Sihem Amer-Yahia - Integrante / Behrooz Omdivar-Tehrani - Integrante / Jean-Marc Vincent - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Cooperação.
      Membro: Joao Luiz Dihl Comba.
    4. 2014-2017. CAPES Branetec - SIIS - Smart Interactive Imaging Systems
      Descrição: Cooperation project financed by CAPES in the BRANETEC program. The cooperation will focus on the area of Smart Interactive Imaging Systems. These systems combine technologies and research in the areas of image analysis, image synthesis, data and information visualization, interactive computer graphics, and visual analytics to help stakeholders in taking effective and efficient decisions based on the flood of imaging ?big data? made available by nowadays sensors (e.g. in geosurveillance, medical screening and early diagnosis, and astronomy). Partners (University of Groningen and UFRGS) already perform state-of-the-art research in complementary sub-areas. By joining forces, the outcome of this project will be an integrated multiscale framework for effective-and-efficient information extraction from images, with applications in telemedicine, geosurveillance, and astronomy. Cooperation will be led by faculty (senior researcher level) at RuG and UFRGS. Undergraduate students participating to the mobility supported by this program will be actively involved in the implementation, testing, and verification of the proposed SIIS framework. The outcomes of research (methods, software, results) will be validated with already established end-users and partners at both University of Groningen and UFRGS sides.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) . Integrantes: João Luiz Dihl Comba - Coordenador / Cláudio Jung - Integrante / Marcelo Walter - Integrante.
      Membro: Joao Luiz Dihl Comba.
    5. 2012-2015. CNPq - Edital Universal 2012 - Visualizacao e Analise de Series de Dados Temporais Associadas a Frequencia Cardiaca
      Descrição: O tema desta proposta consiste na visualização e análise de séries de dados temporais capturadas por monitores cardíacos durante o exercício físico. Este trabalho se enquadra na área de "Personal Analytics", que vem ganhando destaque atualmente, e remete à prática da quantificação de certos aspectos da vida de um indivíduo com o intuito de coletar informações sobre indivíduos de forma a propicionar análise para auxiliar futuras tomadas de decisão. Atualmente, com o acesso cada vez mais fácil a dispositivos de monitoramento de dados pessoais, e a enorme variedade de serviços e funcionalidades disponíveis por meio dos computadores e da internet, "Personal Analytics" começa a ganhar destaque. Hoje as pessoas são capazes de monitorar os diversos aspectos das suas vidas, desde saúde e humor, até finanças e atividades na internet. A diversidade de variáveis monitoradas e fontes provedoras de dados tornam necessária a criação de ferramentas que permitam a integração do processo, a análise das informações e o relacionamento entre os diferentes aspectos acompanhados.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: João Luiz Dihl Comba - Coordenador / Luis Gustavo Nonato - Integrante / RAFAEL P. TORCHELSEN - Integrante / Silva, Cláudio T. - Integrante / Guilherme N. Oliveira - Integrante / Maristela Padilha de Souza Rabbo - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Joao Luiz Dihl Comba.

Prêmios e títulos

  • Total de prêmios e títulos (5)
    1. Distinguished paper award. Quantitative Comparison of Dynamic Treemaps for Software Evolution Visualization. E.F. Vernier, J.L.D. Comba, A.C. Telea., Proc. VISSOFT, Madrid, Spain.. 2018.
      Membro: João Luiz Dihl Comba.
    2. Best poster award. Quantitative Comparison of Treemap Techniques for Time-Dependent Hierarchies. E.F. Vernier, J.L.D. Comba, A.C. Telea., Proc. EuroVis, Barcelona, Spain.. 2017.
      Membro: João Luiz Dihl Comba.
    3. Best Paper Award - Connectivity Oblivious Merging of Triangulations L. F. Silva (UFRGS), L. F. Scheidegger (UFRGS), T. Etiene (University of Utah), J. Comba (UFRGS), L. G. Nonato (ICMC-USP), C. T. Sil, Conference on Graphics, Patterns and Images - SIBGRAPI.. 2012.
      Membro: João Luiz Dihl Comba.
    4. Best Paper Award - Linh K. Ha, Jens Krüger, Joao Comba, Sarang Joshi, Cláudio T. Silva. "Optimal Multi-Image Processing Streaming Framework on Parallel Heterogeneous Systems", ACM Eurographics Symposium on Parallel Graphics and Visualization, 2011.. 2011.
      Membro: João Luiz Dihl Comba.
    5. Medalha de Bronze (Treinador time UFRGS) - Final Brasileira Maratona de Programação 2006 Time: Gabriel Portal, Bruno Fiss, Cristiano DalBemSantagada, Rodrigo Faller, SBC - ACM ICPC.. 2011.
      Membro: João Luiz Dihl Comba.

Participação em eventos

  • Total de participação em eventos (12)
    1. SIBGRAPI - Simpósio Brasileiro de Compuração Gráfica e Processamento de Imagens.. A 3D Shape Descriptor based on Depth Complexity and Thickness Histograms. 2015. (Congresso).
    2. Dagstuhl-Seminar 14231 Scientific Visualization.Representing Chronological Events with Heatmaps. 2014. (Seminário).
    3. EUROVIS 2014. 2014. (Congresso).
    4. IEEE Visualization. 2014. (Congresso).
    5. SIBGRAPI - Simpósio Brasileiro de Compuração Gráfica e Processamento de Imagens.. Visualization and Analysis of Parallel Dataflow Execution with Smart Traces. 2014. (Congresso).
    6. SIBGRAPI - Simpósio Brasileiro de Compuração Gráfica e Processamento de Imagens.. Visualizing Running Races Through the Multivariate Time-Series of Multiple Runners. 2013. (Congresso).
    7. SIBGRAPI - Simpósio Brasileiro de Compuração Gráfica e Processamento de Imagens. Transparency and Anti-Aliasing Techniques for Real-Time Rendering. 2012. (Congresso).
    8. EUROVIS 2011. 2011. (Congresso).
    9. EUROVIS 2010. 2010. (Congresso).
    10. Game Developers Conference. Multi Image Processing Framework. 2010. (Congresso).
    11. IEEE Visualization. 2010. (Congresso).
    12. SIBGRAPI - Simpósio Brasileiro de Compuração Gráfica e Processamento de Imagens.Efficient Approximate Visibility of Point Sets On The GPU. 2010. (Simpósio).

Organização de eventos

  • Total de organização de eventos (8)
    1. COMBA, J. L. D.. Co-chair of Tutorials - IEEE Visualization. 2015. (Congresso).. . 0.
    2. COMBA, J. L. D.. Co-chair de Comitê de Programa - Workshop on Visual Analytics, Information Visualization and Scientific Visualization (WVIS). 2015. (Congresso).. . 0.
    3. COMBA, J. L. D.. Co-chair de Comitê de Programa - Workshop on Visual Analytics, Information Visualization and Scientific Visualization (WVIS). 2014. (Congresso).. . 0.
    4. COMBA, J. L. D.. Co-chair de Comitê de Programa - Workshop on Visual Analytics, Information Visualization and Scientific Visualization (WVIS). 2013. (Congresso).. . 0.
    5. COMBA, J. L. D.. Co-chair de Comitê de Programa - Workshop on Visual Analytics, Information Visualization and Scientific Visualization (WVIS). 2012. (Congresso).. . 0.
    6. COMBA, J. L. D.. Co-chair of Birds of a Feather - IEEE Visualization. 2011. (Congresso).. . 0.
    7. COMBA, J. L. D.. XIX Sibgrapi - Co-Chair de Posters. 2006. (Congresso).. . 0.
    8. COMBA, J. L. D.. XV Sibgrapi - Co-Chair de Tutoriais. 2002. (Congresso).. . 0.

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:21:55