Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Cavalieri, Ricardo Nogueira |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.udesc.br/handle/UDESC/16222
|
Resumo: |
Este trabalho foi desenvolvido com a finalidade de demonstrar a funcionalidade de métodos computacionais inteligentes assim como Redes Neurais Profundas e Support Vector Machines para realizar a diferenciação de tecidos biológicos com base em dados de espectroscopia de Impedância Elétrica, incluindo o dimensionamento e confecção de protótipo de um eletrodo invasivo projetado especialmente para a aquisição de dados de impedância em tecidos biológicos. Experimentos de comprovação utilizaram de tecidos biológicos de origem vegetal de diferentes espécies. Os resultados obtidos nesta dissertação demonstram a viabilidade da utilização conjunta das tecnologias de machine learning com as técnicas de espectroscopia de impedância elétrica, em primeiro experimento realizando a diferenciação de tecidos de espécies diferentes e em segundo teste realizando a identificação de estágio de maturação em um tecido vegetal específico. Além destes resultados, são apresentados nesta dissertação um relatório de performance de alguns dos métodos mais utilizados para redução de dimensionalidade de amostras aplicados à espectroscopia de impedância elétrica (sendo estes PCA, Isomaps, LLE e mMDS). Os resultados indicam o método mais efetivo para este tipo de procedimento, além de indicar a viabilidade da utilização da utilização da espectroscopia de impedância elétrica aliada a métodos de machine learning em equipamentos de baixa potência computacional. Este resultado aponta à viabilidade da aplicação da tecnologia desenvolvida em aplicações modernas na engenharia biomédica, como equipamentos vestíveis de monitoramento ou equipamentos portáteis em geral |
