The use of FPGA's for implementing fault-tolerant systems (FTS) has been widely discussed. Many FTS's have been proposed in this context and TMR is by far the most used architecture. However, those implementations have to count on the memory configuration's integrity of those FPGA's, since all the TMR's circuitry is stored into it. In fact, radiation or even electromagnetic noise can disturb the content of the configuration memory, with disastrous results for the system. In this paper we propose a way of dealing with this problem by using the FPGA's CRC as its signature. In case of an error derived from a kind of fault mentioned above, that signature will change. By voting those signatures in TRM architectures we can not only detect the faults, but we can recover from them by copying the memory configuration of a faultless FPGA into a faulty one. We discuss the difficulties of implementing this technique and the workarounds used to get over those difficulties. Finally we implement an experiment to validate the idea.
Com o aumento de doenças e novos casos de cânceres no mundo, o grande desafio na medicina é o diagnóstico precoce de tais anomalias. Desta forma, constata-se que a etapa de segmentação é essencial para o auxilio do diagnóstico médico correto e preciso, visto que esta etapa delimita a área a ser examinada em imagens de Tomografia Computadorizada (TC) que deve ser analisada pelo sistema ou pelo médico especialista. Desta forma, o presente trabalho, apresenta uma segmentação de imagens médicas para dispositivos móveis em especial para Tablet para auxiliar os médicos. Até a conclusão deste trabalho, não foi encontrado nenhum sistema de segmentação de imagens medicas para dispositivos móveis. No contexto este trabalho, descreve-se o desenvolvimento do sistema MLISA para o sistema operacional Android que visa fazer a segmentação de um exame de TC. Para a segmentação foi utilizada a técnica de Limiarização onde pode-se destacar o pulmão. Os resultados obtidos comprovam que o sistema apresenta uma resposta bastante próxima do esperado, cerca de 98% de acerto, quando comparada com outro sistema existente para PC.
The use of FPGAs has been widespread in the market by enabling acceleration of workloads that require high processing power. However, the high cost of purchasing tools for using FPGAs compromises the teaching of this technology in universities. In this context, this paper presents a study on the use of cloud FPGAs in the teaching of reprogrammable integrated circuits in a Computer Engineering course. This study deals with the elaboration and application of laboratory practices. The results obtained took into account the feedback obtained from an applied questionnaire, which shows that this approach makes this technology accessible and, in the student's view, brings advantages in their learning.Resumo. O uso de FPGAs tem sido difundido no mercado, por permitir a aceleração de cargas de trabalho que exigem alto poder de processamento. Contudo, o alto custo da compra de ferramentas para a utilização de FPGAs, compromete o ensino dessa tecnologia nas Universidades. Nesse contexto, neste trabalho apresenta-se um estudo sobre a utilização FPGAs em nuvem, no ensino de circuitos integrados reprogramáveis em um curso de Engenharia de Computação. Neste estudoé abordado a elaboração e aplicação de práticas de laboratório. Os resultados obtidos levaram em consideração o feedback obtido de um questionário aplicado, os quais mostram que essa abordagem torna essa tecnologia acessível e, na visão do aluno, traz ganho em sua aprendizagem.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.