Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Oliveira, Luiz Eduardo Soares de, 1971- | - |
Autor(es): dc.contributor | Costa, Yandre Maldonado e Gomes da | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática | - |
Autor(es): dc.creator | Matsushita, Gustavo Henrique Gomes | - |
Data de aceite: dc.date.accessioned | 2025-09-01T13:14:31Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T13:14:31Z | - |
Data de envio: dc.date.issued | 2019-05-03 | - |
Data de envio: dc.date.issued | 2019-05-03 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/59706 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/59706 | - |
Descrição: dc.description | Orientador: Prof. Dr. Luiz Eduardo Soares de Oliveira | - |
Descrição: dc.description | Coorientador: Prof. Dr. Yandre Maldonado e Gomes da Costa | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 15/02/2019 | - |
Descrição: dc.description | Inclui referências: p.56-60 | - |
Descrição: dc.description | Resumo: O estudo e análise da liberação de dopamina (DA) no organismo são de grande importância devido ao fato deste neurotransmissor influenciar diretamente processos como os de aprendizado e dependência de drogas, além de ter relação com o desenvolvimento de diversas patologias neurológicas. A técnica de voltametria cíclica de varredura rápida permite o registro eficiente da liberação de DA fásica, entretanto os experimentos tendem a ter uma alta resolução temporal, gerando grandes quantidades de dados, resultando em uma análise manual demorada e repetitiva. O presente trabalho tem por finalidade apresentar e avaliar o desempenho de um sistema de identificação automática de liberação fásica de dopamina, utilizando diferentes descritores de características visuais e modelos de redes neurais convolucionais, combinando diferentes abordagens e classificadores no intuito de aproveitar informações complementares existentes e gerar melhores resultados. Duas bases de dados contendo imagens de liberação fásica de dopamina foram geradas, sendo que o melhor classificador desenvolvido obteve uma acurácia de 98.31% utilizando uma abordagem combinada de redes neurais convolucionais. Palavras-chave: liberação de dopamina fásica, reconhecimento de padrões, textura, redes neurais convolucionais. | - |
Descrição: dc.description | Abstract: The study and analysis of dopamine (DA) release in the organism are of great importance due to the fact that this neurotransmitter directly influences processes such as cognition and drug abuse. It is also related to the physiopathology of some neurological diseases. The fast scan cyclic voltammetry technique allows efficient recording of the phasic release of DA. However, due to the high temporal resolution of the technique, the experiments generate large amounts of data, resulting in a slow and repetitive manual analysis. The present work is intended to develop and evaluate the performance of an automatic identification system starting from phasic dopamine release images, using different visual descriptors and convolutional neural network models, combining different approaches and classifiers searching for complementarity to improve the system overall performance. Two phasic dopamine release image datasets were created, and the best developed classifier obtained an accuracy of 98.31% using a combined approach of convolutional neural networks. Keywords: phasic dopamine release, pattern recognition, texture, convolutional neural networks. | - |
Formato: dc.format | 60 p. : il. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Reconhecimento de padrões | - |
Palavras-chave: dc.subject | Ciência da Computação | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Título: dc.title | Automatic identification of phasic dopamine release | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: