Dissertações/Teses

Clique aqui para acessar os arquivos diretamente da Biblioteca Digital de Teses e Dissertações da UFPE

2022
Dissertações
1
  • ANA CLARA GOMES DA SILVA
  • Modelagem e simulação da transmissão de doenças baseada em aprendizado de máquina para a predição de dengue, zika, chikungunya e Covid-19

  • Orientador : WELLINGTON PINHEIRO DOS SANTOS
  • MEMBROS DA BANCA :
  • CRISTINE MARTINS GOMES DE GUSMAO
  • SIDNEY MARLON LOPES DE LIMA
  • WELLINGTON PINHEIRO DOS SANTOS
  • Data: 11/02/2022

  • Mostrar Resumo
  • A prevenção e o controle das arboviroses, especialmente da dengue, da febre chikungunya e da zika, no caso do Brasil, têm sido um grande desafio de saúde pública para muitos países, especialmente a partir de 2015, uma vez que outras arboviroses passaram a interagir com o vírus da dengue. A situação se agravou a partir de 2016, com o surgimento do zika vírus e de sua ação sobre a gravidez, estando relacionado em um certo grau com casos de microcefalia mas, principalmente, com a síndrome de Guillain-Barret, uma doença autoimune que afeta o sistema nervoso, provocando desde fraqueza muscular até a paralisia. Em dezembro de 2019 começou, na cidade de Wuhan, na China, a epidemia de Covid-19, provocada pelo coronavírus SARS-CoV-2. Rapidamente o vírus se espalhou pelo mundo, dando origem à pandemia de Covid-19, o maior problema de saúde do século XXI até o momento. No seu começo considerada como uma doença do trato respiratório, como as penumonias virais, a Covid-19 se mostrou uma doença do sistema cardiovascular que afeta não somente os pulmões, mas também os rins e o sistema nervoso, podendo causar sequelas que podem ser permanentes. A letalidade da doença é relativamente baixa, mas como o contágio é rápido, principalmente por conta das variantes, o baixo percentual de casos graves acaba resultando em milhões de mortes. O avanço da Epidemiologia Digital e das tecnologias de geoprocessamento, aliados ao desenvolvimento das técnicas de Mineração de Dados e Aprendizado de Máquina, têm proporcionado o rápido acompanhamento, controle e simulação da disseminação de doenças, auxiliando os sistemas públicos de saúde no controle de epidemias e dos fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Neste trabalho temos como objetivo investigar modelos baseados em aprendizado de máquina para predição da distribuição espacial e temporal de casos de arboviroses e de Covid-19, buscando lançar as bases para a construção de sistemas de predição espaço-temporal para fins epidemiológicos. Neste trabalho, utilizamos a base de dados de casos e locais de arboviroses LIRAa, do Sistema Único de Saúde da Cidade do Recife, de 2016 a 2019, para a predição de arborivores; para a predição de Covid-19, utilizamos as bases de dados do Sistema Nacional de Notificações fornecidas pelas secretarias estaduais de saúde.


  • Mostrar Abstract
  • A prevenção e o controle das arboviroses, especialmente da dengue, da febre chikungunya e da zika, no caso do Brasil, têm sido um grande desafio de saúde pública para muitos países, especialmente a partir de 2015, uma vez que outras arboviroses passaram a interagir com o vírus da dengue. A situação se agravou a partir de 2016, com o surgimento do zika vírus e de sua ação sobre a gravidez, estando relacionado em um certo grau com casos de microcefalia mas, principalmente, com a síndrome de Guillain-Barret, uma doença autoimune que afeta o sistema nervoso, provocando desde fraqueza muscular até a paralisia. Em dezembro de 2019 começou, na cidade de Wuhan, na China, a epidemia de Covid-19, provocada pelo coronavírus SARS-CoV-2. Rapidamente o vírus se espalhou pelo mundo, dando origem à pandemia de Covid-19, o maior problema de saúde do século XXI até o momento. No seu começo considerada como uma doença do trato respiratório, como as penumonias virais, a Covid-19 se mostrou uma doença do sistema cardiovascular que afeta não somente os pulmões, mas também os rins e o sistema nervoso, podendo causar sequelas que podem ser permanentes. A letalidade da doença é relativamente baixa, mas como o contágio é rápido, principalmente por conta das variantes, o baixo percentual de casos graves acaba resultando em milhões de mortes. O avanço da Epidemiologia Digital e das tecnologias de geoprocessamento, aliados ao desenvolvimento das técnicas de Mineração de Dados e Aprendizado de Máquina, têm proporcionado o rápido acompanhamento, controle e simulação da disseminação de doenças, auxiliando os sistemas públicos de saúde no controle de epidemias e dos fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Neste trabalho temos como objetivo investigar modelos baseados em aprendizado de máquina para predição da distribuição espacial e temporal de casos de arboviroses e de Covid-19, buscando lançar as bases para a construção de sistemas de predição espaço-temporal para fins epidemiológicos. Neste trabalho, utilizamos a base de dados de casos e locais de arboviroses LIRAa, do Sistema Único de Saúde da Cidade do Recife, de 2016 a 2019, para a predição de arborivores; para a predição de Covid-19, utilizamos as bases de dados do Sistema Nacional de Notificações fornecidas pelas secretarias estaduais de saúde.

2
  • ANDERSON FELIX DA SILVA
  • Sistema inteligente para o apoio ao diagnóstico do câncer de mama usando imagens termográficas e redes neurais artificiais profundas

  • Orientador : WELLINGTON PINHEIRO DOS SANTOS
  • MEMBROS DA BANCA :
  • RICARDO EMMANUEL DE SOUZA
  • WELLINGTON PINHEIRO DOS SANTOS
  • RITA DE CASSIA FERNANDES DE LIMA
  • Data: 24/02/2022

  • Mostrar Resumo
  • O câncer de mama é a forma mais mortal de câncer entre mulheres, tanto em países desenvolvidos quanto em países subdesenvolvidos e em desenvolvimento. A mortalidade do câncer de mama está ligada diretamente a estratégias de prevenção da doença, como campanhas educativas e tecnologias de apoio ao diagnóstico precoce do câncer. A técnica mais utilizada no apoio ao diagnóstico do câncer de mama por imagem é a mamografia por Raios-X. No entanto, a mamografia tem suas desvantagens, como o custo, o uso de raios ionizantes (que podem estar relacionados a fatores causadores de câncer), além do desconforto na obtenção da imagem por meio da compressão da mama. Uma técnica complementar à mamografia é a termografia de mama, ela baseia-se nas mudanças metabólicas resultantes do surgimento de células alteradas no tecido mamário, que resultam em modificações da distribuição de calor. A termografia, vem sendo proposta como técnica complementar à mamografia, sendo mais eficiente comparada ao toque da mama e servindo como sistema de triagem, permitindo a detecção precoce de lesões da mama e diminuindo a mortalidade. Dito isso, este trabalho tem como objetivo analisar o uso de redes neurais profundas juntamente com diferentes técnicas de classificação, para o reconhecimento de lesões em imagens termográficas utilizando o software de aprendizado de máquina Weka. Como também, fundamentar um modelo que possa ser explorado em aplicações de apoio ao diagnóstico do câncer de mama para classificação de lesões em termografias. Inicialmente, na etapa de extração de atributos, foram utilizadas diferentes redes profundas da biblioteca DeepLearning4j do Weka: LeNet, ResNet50, NASNetMobile, SqueezeNet e Inception v3. Logo após, foi realizada a seleção dos melhores atributos utilizando PSO. Em seguida, na etapa de classificação e treinamento, foram gerados 30 experimentos para os seguintes classificadores: Naive Bayes, Bayes Net, Random Tree, Árvore de decisão J48, Random Forest, Máquina de Vetor de Suporte SVM e Rede Perceptron Multicamadas MLP. Os resultados foram comparados utilizando gráficos boxplots e tabelas para as métricas de Acurácia, Índice Kappa, Sensibilidade, Especificidade, Área Sob a Curva ROC e Tempo de Treinamento (ms). Por fim, foi analisado os melhores desempenhos entre as redes neurais profundas e os classificadores utilizados. Além disso, também foi analisado o desempenho antes e após a seleção de atributos, com o objetivo de determinar o modelo mais eficiente a ser utilizado. Como resultados, a rede profunda Inception V3 combinada com o classificador SVM com kernel polinomial de 3 teve a maior taxa de acurácia para a abordagem sem a seleção de atributos, obtendo 79,92%. Porém, utilizando a seleção de atributos, a CNN Inception V3 combinada com o classificador SVM com kernel polinomial de 4, obteve uma acurácia de 78,55% com um tempo de treinamento duas vezes menor.


  • Mostrar Abstract
  • Breast cancer is the deadliest form of cancer among women in both developed and underdeveloped and developing countries. Breast cancer mortality is directly linked to disease prevention strategies, such as educational campaigns and technologies to support early cancer diagnosis. The most used technique to support the diagnosis of breast cancer by imaging is X-ray mammography. However, mammography has its disadvantages, such as the cost, the use of ionizing rays (which may be related to cancer-causing factors), in addition to the discomfort in obtaining the image through breast compression. A complementary technique to mammography is breast thermography, which is based on the metabolic changes resulting from the appearance of altered cells in the breast tissue, which result in changes in heat distribution. Thermography has been proposed as a complementary technique to mammography, being more efficient compared to breast examination and serving as a screening system, allowing early detection of breast lesions and reducing mortality. That said, this work aims to analyze the use of deep neural networks together with different classification techniques, for the recognition of lesions in thermographic images using the Weka machine learning software. As well as substantiate a model that can be explored in applications to support the diagnosis of breast cancer for classification of lesions in thermography. Initially, in the attribute extraction step, different deep networks from Weka's DeepLearning4j library were used: LeNet, ResNet50, NASNetMobile, SqueezeNet and Inception v3. Soon after, the selection of the best attributes was performed using PSO. Then, in the classification and training stage, 30 experiments were generated for the following classifiers: Naive Bayes, Bayes Net, Random Tree, J48 Decision Tree, Random Forest, SVM Support Vector Machine and MLP Multilayer Perceptron Network. The results were compared using boxplots and tables for the metrics of Accuracy, Kappa Index, Sensitivity, Specificity, Area Under the ROC Curve and Training Time (ms). Finally, the best performances between the deep neural networks and the classifiers used were analyzed. In addition, the performance before and after the selection of attributes was also analyzed, in order to determine the most efficient model to be used. As a result, the Inception V3 deep network combined with the SVM classifier with a polynomial kernel of 3 had the highest accuracy rate for the approach without feature selection, obtaining 79.92%. However, using the selection of attributes, the CNN Inception V3 combined with the SVM classifier with a polynomial kernel of 4, obtained an accuracy of 78.55% with a training time twice as short.

3
  • ANA CECILIA CRUZ DE BARROS
  • SÍNTESE E CARACTERIZAÇÃO DE SUPERFÍCIE ELETROCATALÍCA PARA APLICAÇÃO EM BIOSSENSORES

  • Orientador : ROSA AMALIA FIREMAN DUTRA
  • MEMBROS DA BANCA :
  • PATRICIA LOPES BARROS DE ARAUJO
  • RICARDO ATAIDE DE LIMA
  • ROSA AMALIA FIREMAN DUTRA
  • Data: 10/03/2022

  • Mostrar Resumo
  • A presente dissertação descreve um filme eletrocatalítico constituído por monocamadas auto-organizadas funcionalizadas com ferroceno (Fc). A síntese foi realizada pela quimiossorção de 2-aminoetanotiol (CYS – do inglês cisteamine) em meio etanólico, seguido por ligação do o-Fenilenodiamina (OPD) via presença de um dicarboxílico (AOX). A funcionalização do filme com Fc procedeu-se por dropcasting após OPD. A atividade eletrocatalítica do filme de Fc foi confirmada à interface eletrodo-eletrólito, em presença de eletrólito suporte (0,1 M KCl), com a eletro-oxidação do Fc a um potencial redox de 0,15 V e 0,33 V para os picos de redução e oxidação, respectivamente. Como prova de conceito, o filme eletrocatalítico foi montado sob a configuração de um Transistor de Efeito de Campo (FET), e foi possível detectar a presença de albumina bovina com alteração da corrente de Dreno. As etapas de montagem do filme foram caracterizadas eletroquimicamente, por técnica de voltametria cíclica; e estruturalmente, por análise de Infravermelho por transformada de Fourier no modo ATR. Os potenciais de oxido-redução do filme ferroceno funcionalizado mostram viabilidade para aplicação em biossensores, visto que os potenciais de eletrooxidação encontram-se em faixa que não prejudica a atividade biológica. O desenvolvimento desse filme eletrocatalítico tem potencial aplicação em imunossensores, coma vantagem de dispensar a utilização de sondas redox ou de anticorpos marcados, permitindo uma rápida e simples detecção de interações biomoleculares.


  • Mostrar Abstract
  • A presente dissertação descreve um filme eletrocatalítico constituído por monocamadas auto-organizadas funcionalizadas com ferroceno (Fc). A síntese foi realizada pela quimiossorção de 2-aminoetanotiol (CYS – do inglês cisteamine) em meio etanólico, seguido por ligação do o-Fenilenodiamina (OPD) via presença de um dicarboxílico (AOX). A funcionalização do filme com Fc procedeu-se por dropcasting após OPD. A atividade eletrocatalítica do filme de Fc foi confirmada à interface eletrodo-eletrólito, em presença de eletrólito suporte (0,1 M KCl), com a eletro-oxidação do Fc a um potencial redox de 0,15 V e 0,33 V para os picos de redução e oxidação, respectivamente. Como prova de conceito, o filme eletrocatalítico foi montado sob a configuração de um Transistor de Efeito de Campo (FET), e foi possível detectar a presença de albumina bovina com alteração da corrente de Dreno. As etapas de montagem do filme foram caracterizadas eletroquimicamente, por técnica de voltametria cíclica; e estruturalmente, por análise de Infravermelho por transformada de Fourier no modo ATR. Os potenciais de oxido-redução do filme ferroceno funcionalizado mostram viabilidade para aplicação em biossensores, visto que os potenciais de eletrooxidação encontram-se em faixa que não prejudica a atividade biológica. O desenvolvimento desse filme eletrocatalítico tem potencial aplicação em imunossensores, coma vantagem de dispensar a utilização de sondas redox ou de anticorpos marcados, permitindo uma rápida e simples detecção de interações biomoleculares.

4
  • PEDRO GAMALIEL SOARES BISPO PAULINO
  • Nanoplataforma Multimodal Óptico-Magnética Baseada na Lectina Ligadora de Manose

  • Orientador : ADRIANA FONTES
  • MEMBROS DA BANCA :
  • ADRIANA FONTES
  • CARINNA NUNES DE LIMA
  • EMERY CLEITON CABRAL CORREIA LINS
  • Data: 16/05/2022

  • Mostrar Resumo
  • Os pontos quânticos (PQs) são nanocristais de semicondutores que possuem propriedades ópticas e físico-químicas únicas, como fluorescência com alta resistência à fotodegradação e superfície altamente ativa para conjugações com (bio)moléculas. Por outro lado, as nanopartículas magnéticas (MNPs) apresentam potencialidades para: (i) separação e detecção de células e (bio)moléculas; (ii) atuação como agentes de contraste para imageamento por ressonância magnética e (iii) aplicação para terapia por hipertermia, dentre outras. Assim, a união de PQs e MNPs, configurando uma única nanopartícula bimodal (BNP) com propriedades óptico-magnéticas, pode permitir novos avanços no campo biomédico, especialmente se combinada a (bio)moléculas. A lectina ligadora de manose (MBL) é uma proteína sérica importante do sistema imune humano que exerce funções na defesa do hospedeiro, participando de processos como: (i) reconhecimento de estruturas próprias do organismo que estão alteradas, (ii) ativação do sistema complemento, sinalizando a presença de patógenos para o organismo, (iii) modulação da inflamação e (iv) depuração de células apoptóticas. A MBL tem a capacidade de reconhecer resíduos de carboidratos que possuem hidroxilas nos carbonos 3 e 4 de hexoses, como a D-manose, N-acetil-D-glicosamina e L-fucose presentes nas superfícies celulares, pelo seu domínio de reconhecimento de carboidrato (DRC), na presença de íons Ca2+. Nesse contexto, esta dissertação objetivou preparar uma nanossonda multimodal constituída por PQs de CdTe, MNPs de óxido de ferro e MBL. Para tanto, após as sínteses, os PQs carboxilados foram conjugados de forma covalente a MNPs funcionalizadas por grupos aminas, formando BNPs. Os sistemas bimodais foram então conjugados a uma MBL recombinante (rhMBL) em diferentes concentrações, formando as nanossondas BNPs-rhMBL-50 e BNPs-rhMBL-100. Todos os sistemas foram caracterizados por análise de potencial zeta. Os PQs, as BNPs e as nanossondas multimodais também foram caracterizadas opticamente por espectroscopias de absorção e emissão. Por fim, o potencial para aplicação biológica das BNPs-rhMBL foi avaliado por citometria de fluxo utilizando leveduras de Candida albicans como modelo biológico. As análises de potencial zeta indicaram que as MNPs foram eficientemente revestidas com grupos amina e que houve associação de PQs às MNPs, bem como da rhMBL às BNPs. A avaliação óptica confirmou a formação das BNPs. A espectroscopia de absorção indicou que ca. 80% dos PQs foram conjugados às MNPs e também foi observado um redshift de cerca de 20 nm no máximo de emissão de fluorescência após a conjugação entre as nanopartículas. Frente à marcação celular de C. albicans em solução salina enriquecida com Ca2+, as BNPs-rhMBL-100 apresentaram melhor desempenho (ca. 86,0% de marcação com mediana de fluorescência de 14.382,3). Ademais, as BNPs-rhMBL-100 marcaram ca. 25,9% das leveduras em salina sem Ca2+ e somente ca. 0,3% das células em salina suplementada com Ca2+ e EDTA (um quelante de Ca2+). Essa diminuição na marcação celular, observada em ambos os ensaios, indicou que o sistema BNPs-rhMBL-100 apresentou especificidade, interagindo com as leveduras pelo DRC. Portanto, conclui-se que foi preparada uma nanossonda multifuncional (BNPs-rhMBL) efetiva e específica que apresenta grande potencial para estudos glicobiológicos.


  • Mostrar Abstract
  • Os pontos quânticos (PQs) são nanocristais de semicondutores que possuem propriedades ópticas e físico-químicas únicas, como fluorescência com alta resistência à fotodegradação e superfície altamente ativa para conjugações com (bio)moléculas. Por outro lado, as nanopartículas magnéticas (MNPs) apresentam potencialidades para: (i) separação e detecção de células e (bio)moléculas; (ii) atuação como agentes de contraste para imageamento por ressonância magnética e (iii) aplicação para terapia por hipertermia, dentre outras. Assim, a união de PQs e MNPs, configurando uma única nanopartícula bimodal (BNP) com propriedades óptico-magnéticas, pode permitir novos avanços no campo biomédico, especialmente se combinada a (bio)moléculas. A lectina ligadora de manose (MBL) é uma proteína sérica importante do sistema imune humano que exerce funções na defesa do hospedeiro, participando de processos como: (i) reconhecimento de estruturas próprias do organismo que estão alteradas, (ii) ativação do sistema complemento, sinalizando a presença de patógenos para o organismo, (iii) modulação da inflamação e (iv) depuração de células apoptóticas. A MBL tem a capacidade de reconhecer resíduos de carboidratos que possuem hidroxilas nos carbonos 3 e 4 de hexoses, como a D-manose, N-acetil-D-glicosamina e L-fucose presentes nas superfícies celulares, pelo seu domínio de reconhecimento de carboidrato (DRC), na presença de íons Ca2+. Nesse contexto, esta dissertação objetivou preparar uma nanossonda multimodal constituída por PQs de CdTe, MNPs de óxido de ferro e MBL. Para tanto, após as sínteses, os PQs carboxilados foram conjugados de forma covalente a MNPs funcionalizadas por grupos aminas, formando BNPs. Os sistemas bimodais foram então conjugados a uma MBL recombinante (rhMBL) em diferentes concentrações, formando as nanossondas BNPs-rhMBL-50 e BNPs-rhMBL-100. Todos os sistemas foram caracterizados por análise de potencial zeta. Os PQs, as BNPs e as nanossondas multimodais também foram caracterizadas opticamente por espectroscopias de absorção e emissão. Por fim, o potencial para aplicação biológica das BNPs-rhMBL foi avaliado por citometria de fluxo utilizando leveduras de Candida albicans como modelo biológico. As análises de potencial zeta indicaram que as MNPs foram eficientemente revestidas com grupos amina e que houve associação de PQs às MNPs, bem como da rhMBL às BNPs. A avaliação óptica confirmou a formação das BNPs. A espectroscopia de absorção indicou que ca. 80% dos PQs foram conjugados às MNPs e também foi observado um redshift de cerca de 20 nm no máximo de emissão de fluorescência após a conjugação entre as nanopartículas. Frente à marcação celular de C. albicans em solução salina enriquecida com Ca2+, as BNPs-rhMBL-100 apresentaram melhor desempenho (ca. 86,0% de marcação com mediana de fluorescência de 14.382,3). Ademais, as BNPs-rhMBL-100 marcaram ca. 25,9% das leveduras em salina sem Ca2+ e somente ca. 0,3% das células em salina suplementada com Ca2+ e EDTA (um quelante de Ca2+). Essa diminuição na marcação celular, observada em ambos os ensaios, indicou que o sistema BNPs-rhMBL-100 apresentou especificidade, interagindo com as leveduras pelo DRC. Portanto, conclui-se que foi preparada uma nanossonda multifuncional (BNPs-rhMBL) efetiva e específica que apresenta grande potencial para estudos glicobiológicos.

SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2022 - UFRN - sigaa01.ufpe.br.sigaa01