1. COLLAB UVV
  2. Teses e Dissertações
  3. Pós-Graduação em Ciências Farmacêuticas
  4. Tese de Doutorado
Please use this identifier to cite or link to this item: https://repositorio.uvv.br//handle/123456789/1024
Full metadata record
DC FieldValueLanguage
dc.contributorCampagnaro, Bianca Prandi-
dc.contributor.authorOliveira, Gabrielly Ribeiro-
dc.date.accessioned2023-12-15T13:29:51Z-
dc.date.available2023-12-15T13:29:51Z-
dc.date.issued2023-07-28-
dc.identifier.urihttps://repositorio.uvv.br//handle/123456789/1024-
dc.description.abstractA prática de análise de células está inovando constantemente, migrando para o uso de mídias com visualização das lâminas em formato digital. A análise quantitativa automatizada de objetos de imagem é atualmente considerada uma ótima opção porque a comunidade científica comprova que a interação homem-máquina tem o potencial de reduzir o esforço humano e aumentar a confiança na tomada de decisão algorítmica. Aprendizagem de máquina é definido como um método que permite que computadores aprendam com padrões de dados para analisar e classificar fazendo previsões assertivas e melhorar continuamente os resultados. A análise manual de imagens tem algumas limitações quando se trata de análise em massa, enquanto os slides de imagens digitais são interativos, fáceis de compartilhar, envolvem menos tempo de preparação e são reproduzíveis. Diante do crescente aumento de números de amostras biológicas, se faz necessário o uso de uma metodologia automatizada para acelerar o processo e conduzir mais análises em menos tempo. O objetivo do presente estudo foi aplicar esta metodologia automatizada em diferentes áreas da pesquisa científica, demonstrando a versatilidade e desempenho com resultados confiáveis em um formato acessível para ser realizado em qualquer laboratório, uma vez que para realizar a análise é preciso somente microscopia de luz, câmera digital e um computador.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.language.isopt_BRpt_BR
dc.subjectCellProfilerpt_BR
dc.subjectCitometria de imagempt_BR
dc.subjectAnálise celular automatizadapt_BR
dc.subject.vocabularyCNPQ::CIENCIAS DA SAUDEpt_BR
dc.subject.vocabularyCNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULARpt_BR
dc.titleCitometria de imagem: um método acessível para realizar diagnóstico celular e controle de qualidade confiáveispt_BR
dc.typeThesispt_BR
dc.publisher.countrybrasilpt_BR
dc.description.resumoThe practice of cell analysis is constantly innovating, migrating to the use of media with slide visualization in digital format. Automated quantitative analysis of image objects is currently considered a successful option because the scientific community proves that human-machine interaction has the potential to reduce human effort and increase confidence in algorithmic decision making. Machine learning is defined as a method that allows computers to learn from data patterns to analyze and classify, making assertive predictions and continuously improving results. Manual image analysis has some limitations when it comes to mass analysis, while digital image slides are interactive, easy to share, involve less preparation time and are reproducible. In view of the increasing number of biological samples, it is necessary to use an automated methodology to speed up the process and conduct more analyzes in less time. The objective of the present study was to apply this automated methodology in different areas of scientific research, demonstrating its versatility and performance with reliable results in an accessible format to be carried out in any laboratory, since to perform the analysis only light microscopy is needed, digital camera and a computer.pt_BR
Appears in Collections:Tese de Doutorado

Files in This Item:
File Description SizeFormat 
TESE FINAL DE GABRIELY RIBEIR.PDF2.18 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.