Aprendizado de máquina para detecção, identificação e quantificação de bactérias com uso de biossensores baseados em espectroscopia de impedância elétrica (2024)
- Authors:
- Autor USP: GAVIOLI, LEONARDO DOS SANTOS - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 595
- DOI: 10.11606/D.59.2024.tde-22052025-144344
- Subjects: APRENDIZAGEM MOTORA; IMPEDÂNCIA ELÉTRICA; ESPECTROSCOPIA; LINGUAGEM DE MÁQUINA
- Keywords: Aprendizado de máquina; Biosensor; Biossensor; Electrical impedance spectroscopy; Electronic tongue; Espectroscopia de impedância elétrica; Língua eletrônica; Long short-term memory; Machine learning
- Agências de fomento:
- Language: Português
- Abstract: A segurança alimentar é uma preocupação global, buscando garantir que alimentos consumidos sejam seguros, nutritivos e livres de contaminação. A presença de bactérias patogênicas é um dos principais desafios, e entre elas destaca-se o Staphylococcus aureus, que pode contaminar o leite, afetar a saúde dos consumidores e causar doenças graves. Na produção de leite, a mastite - inflamação das glândulas mamárias, geralmente causada por bactérias - representa um problema significativo. Detectar e monitorar a concentração de S. aureus é fundamental para evitar riscos. Para isso, biossensores, como línguas eletrônicas, são empregados. Estes dispositivos simulam o paladar humano e, por meio da espectroscopia de impedância elétrica, permitem detectar contaminações bacterianas rapidamente. Além disso, o uso de técnicas computacionais, tais como o aprendizado de máquina, auxiliam na análise desses dados, calibrando os sensores e aprimorando a precisão das detecções. Nesse contexto, o objetivo do presente trabalho foi explorar e avaliar a aplicação de diferentes algoritmos de aprendizado de máquina para a análise de dados de espectroscopia de impedância elétrica, obtidos a partir da aplicação de línguas eletrônicas formadas por sensores não específicos, sobre amostras de leite de vacas acometidas por mastite. Com essa abordagem, buscou-se modelar, aplicar e avaliar algoritmos de classificação e regressão em três estudos específicos: 1) identificar a presença de diferentes bactérias; 2) predizer a concentração de uma bactéria específica (S. aureus); e 3) classificar o nível de risco da amostra a partir da concentração bacteriana. Foram explorados diferentes algoritmos de aprendizado de máquina convencionais e profundo, técnicas para aumento e balanceamento dos dados, e validação cruzada paraaprimorar os resultados. Como resultado a rede neural Long Short-Term Memory obteve melhor resultado em todos os estudos: acurácia de 93,46% no estudo 1; raiz quadrada do erro médio igual a 0,52 e coeficiente de determinação igual a 0,95 no estudo 2; e acurácia de 92,65% no estudo 3. Os resultados deste trabalho demonstram a aplicabilidade do aprendizado de máquina para melhorar e auxiliar o desempenho de biossensores não específicos, proporcionando precisão e eficácia nas predições
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2024
- Data da defesa: 17.12.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
GAVIOLI, Leonardo dos Santos. Aprendizado de máquina para detecção, identificação e quantificação de bactérias com uso de biossensores baseados em espectroscopia de impedância elétrica. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/. Acesso em: 30 dez. 2025. -
APA
Gavioli, L. dos S. (2024). Aprendizado de máquina para detecção, identificação e quantificação de bactérias com uso de biossensores baseados em espectroscopia de impedância elétrica (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/ -
NLM
Gavioli L dos S. Aprendizado de máquina para detecção, identificação e quantificação de bactérias com uso de biossensores baseados em espectroscopia de impedância elétrica [Internet]. 2024 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/ -
Vancouver
Gavioli L dos S. Aprendizado de máquina para detecção, identificação e quantificação de bactérias com uso de biossensores baseados em espectroscopia de impedância elétrica [Internet]. 2024 ;[citado 2025 dez. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/
Informações sobre o DOI: 10.11606/D.59.2024.tde-22052025-144344 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
