PreviDengue

KO | EN

gitlite — search

#python #ai #llm #golang #android #deep-learning #linux #docker #nodejs #java #cli #kubernetes #pytorch #open-source

(★ 13)

Plataforma que utiliza Inteligência Artificial para monitorar e prever surtos de dengue, combinando detecção de focos e previsão epidemiológica. - TCC 2025

PreviDengue 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 🦟 PreviDengue

### Uma Abordagem Multidisciplinar com Inteligência Artificial para o Monitoramento e Previsão da Dengue

---

[![Status](https://img.shields.io/badge/Status-Em%20Desenvolvimento-yellowgreen)](https://github.com/seu-usuario/seu-repo)
[![Tecnologias](https://img.shields.io/badge/Python-3.x-blue)](https://www.python.org/)
[![Licença](https://img.shields.io/badge/Licen%C3%A7a-MIT-blue)](https://github.com/seu-usuario/seu-repo/blob/main/LICENSE)

---

## 💡 Sobre o Projeto

O **PreviDengue** é uma plataforma inovadora que integra inteligência artificial e dados geoespaciais e epidemiológicos para criar uma ferramenta poderosa no combate à dengue. O projeto, que nasceu da necessidade de soluções proativas de saúde pública, evoluiu para um sistema focado em dois pilares principais: a **detecção de focos do mosquito** e a **previsão de surtos epidemiológicos**.

Nossa missão é fornecer aos agentes públicos e à comunidade uma ferramenta acessível e precisa, unificando a análise de dados complexos em um **dashboard intuitivo** que permite o planejamento estratégico de ações preventivas e de combate.

---

## 🌍 Veja o PreviDengue em Ação

Você pode explorar a versão de demonstração do projeto e suas funcionalidades agora mesmo.

**Acesse a plataforma aqui: [https://previdengue.vercel.app/](https://previdengue.vercel.app/)**

---

## 🚀 Funcionalidades Principais

---

Nosso sistema é estruturado em dois módulos principais, ambos acessíveis através de uma interface unificada para uma análise composta dos dados.

### **Módulo de Detecção de Focos 🛰️**

Utilizamos Visão Computacional para analisar imagens aéreas de alta resolução e identificar potenciais criadouros do mosquito *Aedes aegypti*.

> **🧠 Como Funciona:** O algoritmo **YOLO (You Only Look Once)** escaneia as imagens para detectar objetos como piscinas e caixas d'água. Cada área recebe uma **pontuação de risco** baseada nos criadouros identificados, e os resultados são exibidos em um **mapa de calor** interativo para fácil visualização.

### **Módulo de Previsão de Surtos 📈**

Este módulo utiliza modelos de aprendizado de máquina para prever a tendência de casos de dengue, auxiliando na alocação de recursos e na preparação de campanhas de saúde.

> **🧠 Como Funciona:** Um modelo de **Rede Neural LSTM (Long Short-Term Memory)** é treinado com uma série histórica de dados do **DATASUS** e dados climáticos da **API da NASA**. A IA é capaz de capturar padrões complexos para prever picos de casos, permitindo que as autoridades tomem medidas preventivas antes que um surto se estabeleça.

---

## 🛠️ Tecnologias Utilizadas

---

Este projeto foi construído com uma stack de tecnologias modernas para garantir eficiência, escalabilidade e performance.

| Categoria | Tecnologia |
| :--- | :--- |
| **Linguagem** | ![Python](https://img.shields.io/badge/Python-3.x-blue?style=for-the-badge&logo=python&logoColor=white) ![JavaScript](https://img.shields.io/badge/JavaScript-ES6+-F7DF1E?style=for-the-badge&logo=javascript&logoColor=black) |
| **IA** | ![YOLO](https://img.shields.io/badge/YOLO-Ultralytics-orange?style=for-the-badge&logo=yolo&logoColor=white) ![LSTM](https://img.shields.io/badge/LSTM-Neural%20Network-red?style=for-the-badge&logo=tensorflow&logoColor=white) |
| **Backend** | ![FastAPI](https://img.shields.io/badge/FastAPI-0.111.0-009688?style=for-the-badge&logo=fastapi) |
| **Frontend** | ![Next.js](https://img.shields.io/badge/Next.js-14-black?style=for-the-badge&logo=next.js&logoColor=white) |
| **Hospedagem** | ![Vercel](https://img.shields.io/badge/Vercel-000000?style=for-the-badge&logo=vercel&logoColor=white) ![Hugging Face](https://img.shields.io/badge/Hugging%20Face-FFBE00?style=for-the-badge&logo=hugging-face&logoColor=black) |

---

## 🏗️ Arquitetura do Sistema

---

O **PreviDengue** é composto por uma arquitetura em camadas que garante flexibilidade e desacoplamento entre os componentes.

### **Frontend**
A interface web, desenvolvida com **[Nome da Tecnologia]**, é a camada de apresentação que interage com o usuário. Ela se comunica com o backend para exibir o dashboard, o mapa de calor e permitir a submissão de imagens.

### **Backend**
Construído com **FastAPI**, o backend atua como um hub central. Ele recebe as requisições do frontend, gerencia o fluxo de dados e se comunica com as APIs dos modelos de IA para obter os resultados de detecção e previsão.

### **Módulos de IA**
Os modelos **YOLO** (para detecção) e **LSTM** (para previsão) são treinados em ambiente de nuvem (**Google Colab**) e expostos como **APIs RESTful** separadas, utilizando a plataforma **Hugging Face**. Essa abordagem garante que o processamento pesado seja feito na nuvem, otimizando o desempenho do sistema.

---

## 🧭 Como Usar

---

O projeto ainda está em desenvolvimento, mas o código-fonte estará disponível em breve. Para rodar a aplicação localmente:

1.  Clone este repositório:
    ```bash
    git clone [https://github.com/seu-usuario/seu-repo.git](https://github.com/seu-usuario/seu-repo.git)
    cd seu-repo
    ```
2.  Instale as dependências. Siga as instruções específicas nas pastas `backend` e `frontend`.
    ```bash
    # Para o backend
    pip install -r requirements.txt
    # Para o frontend
    npm install
    ```
3.  Inicie o servidor de desenvolvimento.
    ```bash
    # Primeiro, inicie o backend
    python main.py
    # Em um novo terminal, inicie o frontend
    npm run dev
    ```

> **Nota:** Certifique-se de configurar as variáveis de ambiente necessárias para acessar as APIs de IA.

---

## 🧑‍🤝‍🧑 Equipe

---

O **PreviDengue** é um projeto de Trabalho de Conclusão de Curso do Colégio Técnico de Campinas (COTUCA - UNICAMP), desenvolvido por:

* **Arthur Gama Jorge** – [cc23578@g.unicamp.br](mailto:cc23578@g.unicamp.br)
* **Daniel Dorigan de Carvalho Campos** – [cc23124@g.unicamp.br](mailto:cc23124@g.unicamp.br)
* **Ion Mateus Nunes Oprea** – [cc23135@g.unicamp.br](mailto:cc23135@g.unicamp.br)

**Orientadora:** Andréia
**Coorientador:** Guilherme

---

## 📜 Licença

---

Este projeto está licenciado sob a Licença **[Nome da Licença, ex: MIT]** - veja o arquivo [LICENSE.md](https://github.com/seu-usuario/seu-repo/blob/main/LICENSE) para mais detalhes.

PreviDengue

PreviDengue 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

PreviDengue

PreviDengue 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README