Banca de QUALIFICAÇÃO: MATEUS VICTOR DE LIRA LOPES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : MATEUS VICTOR DE LIRA LOPES
DATA : 29/05/2025
HORA: 14:00
LOCAL: meet.google.com/uiv-kzdp-rkb CONTRIBUIÇÃO
TÍTULO:

CONTRIBUIÇÃO PARA RECONHECIMENTO DE SUBSTÂNCIA COM REDES CONVOLUCIONAIS A PARTIR DE IMAGENS DE SENSORES RPS.

PALAVRAS-CHAVES:

Ressonância de Plasmon de Superfície. Rede Neural Convolucional. Análise
biomolecular. Extração de padrões.

PÁGINAS: 49
RESUMO:

Este trabalho investiga a integração entre sensores de Ressonância de Plasmon de Superfície (SPR) e Redes Neurais Convolucionais (CNNs), com o objetivo de otimizar a identificação de substâncias aquosas com diferentes índices de refração. A abordagem proposta utiliza imagens SPR geradas por um sensor baseado no prisma PPBIO, operando no modo AIM, como entrada para uma arquitetura convolucional desenvolvida para reconhecer padrões ópticos complexos. O embasamento teórico recorre a autores como Santana (2017) e Farias e Rossi (2021), que destacam a capacidade das CNNs em extrair características relevantes de sinais visuais, e a estudos sobre sensores SPR (Conceição et al., 2021; Oliveira, 2016; Carvalho et al., 2003; Sales, 2024), que enfatizam a necessidade de ferramentas automatizadas e sensíveis para análise biomolecular. A metodologia adotada combina revisão bibliográfica e experimentação, com treinamento do modelo em imagens simuladas representando cinco diferentes índices de refração. A arquitetura alcançou acurácia de 100% nessas classes, com tempo médio de inferência de 170 ms por imagem e tempo total de treinamento inferior a 23 minutos em 20 épocas. A validação experimental utilizou imagens reais de água deionizada, PBS e hipoclorito, obtendo taxa de reconhecimento superior a 93%, comprovando a capacidade do modelo em lidar com dados não simulados. Além disso, uma análise comparativa foi conduzida com o algoritmo k-NN, revelando a superioridade da CNN em termos de desempenho e generalização. Os resultados obtidos demonstram que o uso de CNNs na análise de sinais SPR pode reduzir significativamente etapas de pré e pós-processamento, aumentar a velocidade de detecção e fornecer uma boa ferramenta para a identificação rápida e precisa de analitos em ambientes laboratoriais e clínicos. Assim, a integração entre sensores ópticos e modelos de aprendizado profundo mostra-se eficaz na detecção de variações sutis no índice de refração de soluções aquosas.

MEMBROS DA BANCA:
Externo à Instituição - ANTONIO MARCUS NOGUEIRA LIMA - UFCG
Presidente - 2073862 - LEIVA CASEMIRO OLIVEIRA
Interno - 1566120 - SILVIO ROBERTO FERNANDES DE ARAUJO