Processamento de imagens e machine learning aplicados à detecção da brucelose bovina em um biossensor óptico
| dc.contributor.advisor | Saito, Lucia Akemi Miyazato | |
| dc.contributor.author | Tieppo, Bianca | |
| dc.date.accessioned | 2025-01-23T19:34:58Z | |
| dc.date.available | 2025-01-23T19:34:58Z | |
| dc.date.issued | 2024-02-07 | |
| dc.description.abstract | A brucelose bovina, uma doença infecciosa causada principalmente pela bactéria Brucella abortus, pode afetar espécies de animais domésticos e selvagens, o que implica em prejuízos econômicos e riscos â saúde pública. Diagnostica-la de modo preciso e precoce, portanto, é fundamental para controlá-la e erradicá-la. Isso pode ser obtido por meio de abordagens de Machine Learning (ML), como Redes Neurais e algoritmos de classificação, combinadas a biossensores ópticos. Tais abordagens já são amplamente empregadas para analisar um grande volume de dados gerado por biossensores. Neste sentido, este trabalho propõe a utilizacao de Redes Neurais Artificiais (ANN) para processar aproximadamente 700 imagens de microscopia óptica de amostras de soro bovino em um guia de onda de silício. A presença dos anticorpos de Brucella abortus é evidenciada através dos pontos de dispersão de luz detectados através de técnicas de processamento de imagens e detecção de blobs, além da análise de dados envolvendo as informações de cores das imagens. A identificação da presença dos anticorpos foi feita em amostras com concentração semelhante aos métodos convencionais para detecção da brucelose bovina. Com a metodologia utilizada, foi possível reduzir o tempo de análise, além de possibilitar uma acurácia de 83,28% e precisão de 86,25% para a detecção dos anticorpos da brucelose bovina devido a utilização de t´técnicas de visão computacional e de aprendizado de máquina. | |
| dc.description.sponsorship | IPM - Instituto Presbiteriano Mackenzie | |
| dc.identifier.uri | https://dspace.mackenzie.br/handle/10899/39932 | |
| dc.language.iso | pt_BR | |
| dc.publisher | Universidade Presbiteriana Mackenzie | |
| dc.subject | biossensor fotônico | |
| dc.subject | visão computacional | |
| dc.subject | espalhamento de luz | |
| dc.subject | aprendizado de máquina | |
| dc.subject | guia de onda de silício | |
| dc.title | Processamento de imagens e machine learning aplicados à detecção da brucelose bovina em um biossensor óptico | |
| dc.type | Dissertação | |
| local.contributor.advisorLattes | http://lattes.cnpq.br/0915583034741895 | |
| local.contributor.advisorOrcid | https://orcid.org/0000-0001-7157-1191 | |
| local.contributor.authorLattes | http://lattes.cnpq.br/8496908026699194 | |
| local.contributor.board1 | Bahamon , Dario Andres | |
| local.contributor.board1Lattes | http://lattes.cnpq.br/4024191340514093 | |
| local.contributor.board1Orcid | https://orcid.org/0000-0003-3852-2085 | |
| local.contributor.board2 | Córdoba Ramírez, Jhonattan | |
| local.contributor.board2Lattes | http://lattes.cnpq.br/3244383817627411 | |
| local.contributor.board2Orcid | https://orcid.org/0000-0002-8883-4223 | |
| local.contributor.coadvisor | Vale, Daniella Lopez | |
| local.contributor.coadvisorLattes | http://lattes.cnpq.br/9219419085511667 | |
| local.contributor.coadvisorOrcid | https://orcid.org/0000-0003-0658-4206 | |
| local.description.abstracten | Bovine brucellosis, an infectious disease caused mainly by the bacteria Brucella abortus, can affect species of domestic and wild animals, resulting in economic losses and risks to public health. Diagnosing it accurately and early, therefore, is essential to control and eradicate it. This can be achieved through Machine Learning (ML) approaches, such as Neural Networks and classification algorithms, combined with optical biosensors. Such approaches are already widely used to analyze a large volume of data generated by biosensors. In this sense, this work proposes using Artificial Neural Networks (ANN) to process approximately 700 optical microscopy images of bovine serum samples in a silicon waveguide. The presence of Brucella abortus antibodies is evidenced through light scattering points detected through image processing and blob detection techniques, in addition to data analysis involving the color information of the images. Antibodies were identified in samples with concentrations similar to conventional methods for detecting bovine brucellosis. With the methodology used, it was possible to reduce analysis time, in addition to enabling an accuracy of 83.28% and precision of 86.25% for detecting bovine brucellosis antibodies due to the use of computer vision and machine learning. | |
| local.keywords | photonics biosensor | |
| local.keywords | computer vision | |
| local.keywords | light scattering | |
| local.keywords | machine learning | |
| local.keywords | silicon waveguide | |
| local.publisher.country | Brasil | |
| local.publisher.department | Escola de Engenharia Mackenzie (EE) | |
| local.publisher.initials | UPM | |
| local.publisher.program | Engenharia Elétrica e Computação | |
| local.subject.cnpq | CNPQ::ENGENHARIAS |