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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/. Acesso em: 01 abr. 2026. -
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://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 2026 abr. 01 ] Available from: https://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 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/59/59143/tde-22052025-144344/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
