Processamento de imagens e machine learning aplicados à detecção da brucelose bovina em um biossensor óptico

• Ano de defesa: 2024
• Autor(a) principal: Tieppo, Bianca
• Orientador(a): Saito, Lucia Akemi Miyazato
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: biossensor fotônico; visão computacional; espalhamento de luz; aprendizado de máquina; guia de onda de silício
• Link de acesso: https://dspace.mackenzie.br/handle/10899/39932

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.