Banca de QUALIFICAÇÃO: ADNA QUEIROZ SALES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ADNA QUEIROZ SALES
DATA : 19/04/2023
HORA: 09:00
LOCAL: Proppg
TÍTULO:

USO DE REDE NEURAL CONVOLUCIONAL PARA IDENTIFICAÇÃO DE SUBSTÂNCIAS UTILIZANDO IMAGENS DE SESONRES BASEADOS EM RESSONÂNCIA DE SUPERFÍCIE.

PALAVRAS-CHAVES:

Ressonância de plasmon de superfície; Sensor; Rede Neural Convolucional; Processamento de imagens.

PÁGINAS: 42
RESUMO:

Várias tecnologias estão sendo propostas nas últimas décadas para realizarem sensoriamento devido ao aumento da conscientização sobre o monitoramento e detecção de substâncias, a preferência por métodos não invasivos, identificação em tempo real e digitalização de informações. Dentre os sensores e biossensores existentes, os ópticos baseados no fenômeno físico da ressonância de plasmon de superfície (SPR, sigla em inglês para Surface Plasmon Resonance) são instrumentos bem estabelecidos para estudar interações moleculares em tempo real em analitos aquosos/gasosos. Os sensores SPR rastreiam a posição de ressonância através do valor mínimo de refletividade obtido ao iluminar a estrutura multicamada. A luz refletida é o sinal captado por um detector de imagem, o qual gera uma imagem que pode ser utilizada diretamente para o sensoriamento ou utilizada para gerar curvas SPR que representam graficamente a ressonância. A localização da posição onde ocorre a intensidade de luz mínima é denominada de ângulo de ressonância, o qual é usado para classificar e reconhecer substâncias. Uma vez que a determinação do ângulo de ressonância é responsável pela precisão do sensor SPR, vários métodos de ajuste da curva, processamento de sinal e algoritmos foram propostos. O presente trabalho busca desenvolver um método de deep learning para identificar substâncias aquosas de diferentes índices de refração a partir da análise de imagens SPR. A pesquisa aqui desenvolvida pretende melhorar a detecção de substâncias sem a necessidade de pós-processamento sofisticado, instrumentação óptica e/ou métodos de ajuste de curva polinomial. A deep learning proposta será desenvolvida com base em uma arquitetura rede neural convolucional (CNN, sigla em inglês para Convolutional Neural Network) treinada usando imagens SPR obtidas em experimento ou simuladas.

MEMBROS DA BANCA:
Interno - 1161204 - IDALMIR DE SOUZA QUEIROZ JÚNIOR
Presidente - 2073862 - LEIVA CASEMIRO OLIVEIRA
Externo ao Programa - 1810697 - MARCELO ROBERTO BASTOS GUERRA VALE - null