Leitora de testes rápidos do tipo fluxo lateral utilizando machine learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGoes, Rafael Eleodoro de-
Autor(es): dc.contributorGoes, Rafael Eleodoro de-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorCopetti, Luiz Fernando-
Autor(es): dc.creatorWalter, Lucas André-
Data de aceite: dc.date.accessioned2025-08-29T12:13:06Z-
Data de disponibilização: dc.date.available2025-08-29T12:13:06Z-
Data de envio: dc.date.issued2025-02-10-
Data de envio: dc.date.issued2025-02-10-
Data de envio: dc.date.issued2023-05-31-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35939-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1091187-
Descrição: dc.descriptionLateral flow immunoassays are simple, fast-resulting tests that allow large-scale applications without the need for complex infrastructure or laboratory processes. This type of test came to prominence with the recent Covid-19 pandemic, but its scope is much broader and can range from detecting contaminants in food to veterinary medicine. Characterized by the result indicated through stripes that appear when depositing a sample in the immunoassays, the result is given in a quantitative way (where the intensity of the stripes indicates the concentration of an antigen or contaminant in the sample being analyzed) or qualitatively (where a threshold is established, and the result can be reactive or non-reactive). Analyzing this type of test with the naked eye can be challenging, in some cases leading to human errors, in addition to being a time-consuming task for health professionals when used on a large scale. In this undergraduate thesis, a tool was developed capable of displaying the results of such tests without the need for human interference, through a reader that uses a camera to generate images and, through a previously trained artificial neural network, classifies the rapid immunoassays according to their respective test disease and displays the results through a graphical user interface.-
Descrição: dc.descriptionOs imunoensaios de fluxo lateral são testes simples e de resultado rápido que permitem aplicações em larga escala sem a necessidade de infraestruturas complexas ou processos laboratoriais. Esse tipo de teste entrou em evidência com a recente pandemia de Covid-19, mas sua área de aplicação é muito mais ampla e pode ir de detecção de contaminantes em alimentos à medicina veterinária. Caracterizados pelo resultado apontado através de listras que surgem ao depositar uma amostra no teste, o resultado é dado de forma quantitativa (onde a intensidade das listras aponta a concentração de um antígeno ou contaminante na amostra sendo analisada) ou qualitativa (onde se estabelece um limiar de corte e o resultado pode ser reagente ou não reagente). A análise desse tipo de teste a olho nu pode ser desafiadora, em alguns casos podendo levar a erros humanos, além de ser uma tarefa dispendiosa de tempo para profissionais da saúde quando utilizados em larga escala. Neste trabalho, foi desenvolvida uma ferramenta capaz de exibir o resultado de tais testes sem a necessidade de interferência humana, através de uma leitora que se utiliza de uma câmera para gerar imagens e através de uma rede neural artificial previamente treinada, classifica os testes rápidos conforme sua respectiva doença de ensaio e exibe os resultados através de uma interface gráfica de usuário.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectAprendizado profundo (Aprendizado do computador)-
Palavras-chave: dc.subjectVisão por computador-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectDeep learning (Machine learning)-
Palavras-chave: dc.subjectComputer vision-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleLeitora de testes rápidos do tipo fluxo lateral utilizando machine learning-
Título: dc.titleLateral flow immunoassays test reader using machine learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.