Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/34309 http://doi.org/10.14393/ufu.di.2022.5306 |
Resumo: | Introdução: Os métodos diagnósticos para diversos tipos de câncer na atualidade continuam sendo os mesmos usados nos últimos anos, altamente invasivos e desconfortável para os pacientes. Uma série de inovadoras plataformas de diagnóstico salivar com menor produção de resíduos, menor custo, não-invasiva e sem utilização de reagentes tem potencial aplicação para doenças orais e sistêmicas. Objetivo: Neste estudo investigou-se a utilização da espectroscopia de reflexão total atenuada no infravermelho com transformada de Fourier (ATR-FTIR) acoplada a algoritmos da inteligência artificial em amostras de saliva de pacientes com câncer oral de células escamosas como método diagnostico. Materiais e métodos: O estudo incluiu 39 pacientes OCSS e 27 controles previamente saudáveis sem antecedentes de nenhum tipo de câncer, a saliva foi coletada diretamente da cavidade oral dos participantes, com coletores de polipropileno após higiene intraoral, sequentemente foram armazenadas e congeladas. O processamento em ATR-FTIR do perfil espectral infravermelho da saliva foi avaliado quanto à capacidade diagnóstica pela curva ROC. Resultados: As áreas da banda lipídica de 2894-2834 cm -1 e 2948-2896 cm-1 foram maiores na saliva de pacientes com OCSS em comparação com os controles. O desempenho diagnóstico desses marcadores potenciais foi avaliado posteriormente para a detecção de OCSS. A área sob a curva (AUC) de ambas as regiões 2894-2834 cm-1 e 2948-2896 cm-1 foi significativa, indicando esses parâmetros como potenciais biomarcadores para discriminar pacientes OCSS e não OCSS. Além disto, os algorítmos Random Forest e Support Vector Machine foram capazes de discriminar pacientes OSCC patients de sujeitos controles com moderada acurácia. Conclusão: O presente estudo indicou que algoritmos de inteligência artificial e os modos vibracionais lipídicos 2894-2834 cm-1 e 2948-2896 cm-1 da saliva podem ser usados para discriminar pacientes OCSS de pacientes controles usando plataformas biofotônicas em ambientes médicos e odontológicos. |
id |
UFU_d210d14fa16fce51f7cd96e65456fa32 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/34309 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2022-03-18T17:24:56Z2022-03-18T17:24:56ZBELLORIN NUÑES, Daniela Sarai. Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial. 2021. 48 f. Dissertação (Mestrado em Ciências da Saúde) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI em: http://doi.org/10.14393/ufu.di.2022.5306https://repositorio.ufu.br/handle/123456789/34309http://doi.org/10.14393/ufu.di.2022.5306Introdução: Os métodos diagnósticos para diversos tipos de câncer na atualidade continuam sendo os mesmos usados nos últimos anos, altamente invasivos e desconfortável para os pacientes. Uma série de inovadoras plataformas de diagnóstico salivar com menor produção de resíduos, menor custo, não-invasiva e sem utilização de reagentes tem potencial aplicação para doenças orais e sistêmicas. Objetivo: Neste estudo investigou-se a utilização da espectroscopia de reflexão total atenuada no infravermelho com transformada de Fourier (ATR-FTIR) acoplada a algoritmos da inteligência artificial em amostras de saliva de pacientes com câncer oral de células escamosas como método diagnostico. Materiais e métodos: O estudo incluiu 39 pacientes OCSS e 27 controles previamente saudáveis sem antecedentes de nenhum tipo de câncer, a saliva foi coletada diretamente da cavidade oral dos participantes, com coletores de polipropileno após higiene intraoral, sequentemente foram armazenadas e congeladas. O processamento em ATR-FTIR do perfil espectral infravermelho da saliva foi avaliado quanto à capacidade diagnóstica pela curva ROC. Resultados: As áreas da banda lipídica de 2894-2834 cm -1 e 2948-2896 cm-1 foram maiores na saliva de pacientes com OCSS em comparação com os controles. O desempenho diagnóstico desses marcadores potenciais foi avaliado posteriormente para a detecção de OCSS. A área sob a curva (AUC) de ambas as regiões 2894-2834 cm-1 e 2948-2896 cm-1 foi significativa, indicando esses parâmetros como potenciais biomarcadores para discriminar pacientes OCSS e não OCSS. Além disto, os algorítmos Random Forest e Support Vector Machine foram capazes de discriminar pacientes OSCC patients de sujeitos controles com moderada acurácia. Conclusão: O presente estudo indicou que algoritmos de inteligência artificial e os modos vibracionais lipídicos 2894-2834 cm-1 e 2948-2896 cm-1 da saliva podem ser usados para discriminar pacientes OCSS de pacientes controles usando plataformas biofotônicas em ambientes médicos e odontológicos.Introduction: The diagnostic methods for many types of cancer continue be the same used in recent years, to invasive and uncomfortable for patients, today we have advanced and a lot of innovative research for development tools with less waste production, lower costs, no invasive and reagent-free. Objective: In this study, we evaluate the potential of ATR-FTIR associated with artificial intelligence algorithms to discriminate OSCC from matched healthy controls. Materials and methods: The study included 39 OCSS patients and 27 healthy controls with no history of any type of cancer, all, saliva was collected directly from the oral cavity with plastic tube after after rinsing mouths with water and allowing the manufacturer instructions, subsequently they were placed on ice and then stored, later processed in the ATR-FTIR, the salivary profile was analysed by ATR-FTIR spectroscopy and the vibrational modes were evaluated for diagnostic capability by the ROC curve. Results: The lipidic band areas of 2894-2834 cm-1 and 2948-2896 cm-1 were higher in saliva of OCSS patients compared with the controls. These potential markers were further evaluated for detection of OCSS. The ROC curve was performed to predict a threshold value for both infrared biomarkers. The area under the curve (AUC) of both 2894-2834 cm-1 and 2948-2896 cm-1 regions was significative, indicating these parameters as potential biomarkers to discriminate OCSS and non-OCSS patients. Besides, two algorithms obtained by Random Forest and Support Vector Machine analysis were also useful to discriminate OSCC patients than healthy subjects with moderate accuracy. Conclusion: The present study indicated that machine learning algorithms and the salivary lipid vibrational modes 2894-2834 cm-1 and 2948-2896 cm-1 of saliva can be used to discriminate patients with OCSS than controls using photonic platforms in medical and dental environments.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoFAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas GeraisDissertação (Mestrado)porUniversidade Federal de UberlândiaPrograma de Pós-graduação em Ciências da SaúdeBrasilCNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIACiências MédicasOncologiaCarcinoma de células escamosasCâncer oralOral cancercarcinoma espinocelularsalivadiagnosticoATR-FTIRbiomarcadorsquamous cell carcinomadiagnosisbiomarkerDesenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificialSalivary molecular spectroscopy coupled to machine learning algorithms: a rapid and non-invasive diagnostic triage tool for oral squamous cell carcinomainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCarneiro, Murillo Guimarãeshttp://lattes.cnpq.br/8158868389973535Silva, Robinson Sabino dahttp://lattes.cnpq.br/1886483839073466Silva, Robinson Sabino dahttp://lattes.cnpq.br/1886483839073466Oliveira, Tales Lyra dehttp://lattes.cnpq.br/9149137484863942Caixeta, Douglas Carvalhohttp://lattes.cnpq.br/0006698390592959http://lattes.cnpq.br/9115967817585622Bellorin Nuñez, Daniela Sarai481101018769360cd3e-3f28-4d43-912a-e4d811a43eafinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFUORIGINALDesenvolvimentodeplataformabiofotonica.pdfDesenvolvimentodeplataformabiofotonica.pdfDissertaçãoapplication/pdf1226500https://repositorio.ufu.br/bitstream/123456789/34309/1/Desenvolvimentodeplataformabiofotonica.pdfdf16a72ec89a9269486090694fa28c5bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81792https://repositorio.ufu.br/bitstream/123456789/34309/2/license.txt48ded82ce41b8d2426af12aed6b3cbf3MD52TEXTDesenvolvimentodeplataformabiofotonica.pdf.txtDesenvolvimentodeplataformabiofotonica.pdf.txtExtracted texttext/plain85260https://repositorio.ufu.br/bitstream/123456789/34309/3/Desenvolvimentodeplataformabiofotonica.pdf.txtbb08c013f8a3ae8d08686a024442d64dMD53THUMBNAILDesenvolvimentodeplataformabiofotonica.pdf.jpgDesenvolvimentodeplataformabiofotonica.pdf.jpgGenerated Thumbnailimage/jpeg1347https://repositorio.ufu.br/bitstream/123456789/34309/4/Desenvolvimentodeplataformabiofotonica.pdf.jpg1c86e39340e32e682c640bc917459854MD54123456789/343092022-05-10 15:15:44.828oai:repositorio.ufu.br:123456789/34309w4kgbmVjZXNzw6FyaW8gY29uY29yZGFyIGNvbSBhIGxpY2Vuw6dhIGRlIGRpc3RyaWJ1acOnw6NvIG7Do28tZXhjbHVzaXZhLCBhbnRlcyBxdWUgbyBkb2N1bWVudG8gcG9zc2EgYXBhcmVjZXIgbm8gUmVwb3NpdMOzcmlvLiBQb3IgZmF2b3IsIGxlaWEgYSBsaWNlbsOnYSBhdGVudGFtZW50ZS4gQ2FzbyBuZWNlc3NpdGUgZGUgYWxndW0gZXNjbGFyZWNpbWVudG8gZW50cmUgZW0gY29udGF0byBhdHJhdsOpcyBkbyBlLW1haWwgIHJlcG9zaXRvcmlvQHVmdS5ici4KCkxJQ0VOw4dBIERFIERJU1RSSUJVScOHw4NPIE7Dg08tRVhDTFVTSVZBCgpBbyBhc3NpbmFyIGUgZW50cmVnYXIgZXN0YSBsaWNlbsOnYSwgby9hIFNyLi9TcmEuIChhdXRvciBvdSBkZXRlbnRvciBkb3MgZGlyZWl0b3MgZGUgYXV0b3IpOgoKYSkgQ29uY2VkZSDDoCBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBVYmVybMOibmRpYSBvIGRpcmVpdG8gbsOjby1leGNsdXNpdm8gZGUgcmVwcm9kdXppciwgY29udmVydGVyIChjb21vIGRlZmluaWRvIGFiYWl4byksIGNvbXVuaWNhciBlL291IGRpc3RyaWJ1aXIgbyBkb2N1bWVudG8gZW50cmVndWUgKGluY2x1aW5kbyBvIHJlc3Vtby9hYnN0cmFjdCkgZW0gZm9ybWF0byBkaWdpdGFsIG91IGltcHJlc3NvIGUgZW0gcXVhbHF1ZXIgbWVpby4KCmIpIERlY2xhcmEgcXVlIG8gZG9jdW1lbnRvIGVudHJlZ3VlIMOpIHNldSB0cmFiYWxobyBvcmlnaW5hbCwgZSBxdWUgZGV0w6ltIG8gZGlyZWl0byBkZSBjb25jZWRlciBvcyBkaXJlaXRvcyBjb250aWRvcyBuZXN0YSBsaWNlbsOnYS4gRGVjbGFyYSB0YW1iw6ltIHF1ZSBhIGVudHJlZ2EgZG8gZG9jdW1lbnRvIG7Do28gaW5mcmluZ2UsIHRhbnRvIHF1YW50byBsaGUgw6kgcG9zc8OtdmVsIHNhYmVyLCBvcyBkaXJlaXRvcyBkZSBxdWFscXVlciBvdXRyYSBwZXNzb2Egb3UgZW50aWRhZGUuCgpjKSBTZSBvIGRvY3VtZW50byBlbnRyZWd1ZSBjb250w6ltIG1hdGVyaWFsIGRvIHF1YWwgbsOjbyBkZXTDqW0gb3MgZGlyZWl0b3MgZGUgYXV0b3IsIGRlY2xhcmEgcXVlIG9idGV2ZSBhdXRvcml6YcOnw6NvIGRvIGRldGVudG9yIGRvcyBkaXJlaXRvcyBkZSBhdXRvciBwYXJhIGNvbmNlZGVyIMOgIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIFViZXJsw6JuZGlhIG9zIGRpcmVpdG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgY3Vqb3MgZGlyZWl0b3Mgc8OjbyBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbyBubyB0ZXh0byBvdSBjb250ZcO6ZG8gZG8gZG9jdW1lbnRvIGVudHJlZ3VlLgoKU2UgbyBkb2N1bWVudG8gZW50cmVndWUgw6kgYmFzZWFkbyBlbSB0cmFiYWxobyBmaW5hbmNpYWRvIG91IGFwb2lhZG8gcG9yIG91dHJhIGluc3RpdHVpw6fDo28gcXVlIG7Do28gYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBVYmVybMOibmRpYSwgZGVjbGFyYSBxdWUgY3VtcHJpdSBxdWFpc3F1ZXIgb2JyaWdhw6fDtWVzIGV4aWdpZGFzIHBlbG8gcmVzcGVjdGl2byBjb250cmF0byBvdSBhY29yZG8uCgpBIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRlIFViZXJsw6JuZGlhIGlkZW50aWZpY2Fyw6EgY2xhcmFtZW50ZSBvKHMpIHNldShzKSBub21lKHMpIGNvbW8gbyhzKSBhdXRvcihlcykgb3UgZGV0ZW50b3IgKGVzKSBkb3MgZGlyZWl0b3MgZG8gZG9jdW1lbnRvIGVudHJlZ3VlLCBlIG7Do28gZmFyw6EgcXVhbHF1ZXIgYWx0ZXJhw6fDo28sIHBhcmEgYWzDqW0gZGFzIHBlcm1pdGlkYXMgcG9yIGVzdGEgbGljZW7Dp2EuCg==Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-05-10T18:15:44Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
dc.title.alternative.pt_BR.fl_str_mv |
Salivary molecular spectroscopy coupled to machine learning algorithms: a rapid and non-invasive diagnostic triage tool for oral squamous cell carcinoma |
title |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
spellingShingle |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial Bellorin Nuñez, Daniela Sarai CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA Câncer oral Oral cancer carcinoma espinocelular saliva diagnostico ATR-FTIR biomarcador squamous cell carcinoma diagnosis biomarker Ciências Médicas Oncologia Carcinoma de células escamosas |
title_short |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
title_full |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
title_fullStr |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
title_full_unstemmed |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
title_sort |
Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial |
author |
Bellorin Nuñez, Daniela Sarai |
author_facet |
Bellorin Nuñez, Daniela Sarai |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Carneiro, Murillo Guimarães |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8158868389973535 |
dc.contributor.advisor1.fl_str_mv |
Silva, Robinson Sabino da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1886483839073466 |
dc.contributor.referee1.fl_str_mv |
Silva, Robinson Sabino da |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/1886483839073466 |
dc.contributor.referee2.fl_str_mv |
Oliveira, Tales Lyra de |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/9149137484863942 |
dc.contributor.referee3.fl_str_mv |
Caixeta, Douglas Carvalho |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/0006698390592959 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9115967817585622 |
dc.contributor.author.fl_str_mv |
Bellorin Nuñez, Daniela Sarai |
contributor_str_mv |
Carneiro, Murillo Guimarães Silva, Robinson Sabino da Silva, Robinson Sabino da Oliveira, Tales Lyra de Caixeta, Douglas Carvalho |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA |
topic |
CNPQ::CIENCIAS DA SAUDE::MEDICINA::CLINICA MEDICA::CANCEROLOGIA Câncer oral Oral cancer carcinoma espinocelular saliva diagnostico ATR-FTIR biomarcador squamous cell carcinoma diagnosis biomarker Ciências Médicas Oncologia Carcinoma de células escamosas |
dc.subject.por.fl_str_mv |
Câncer oral Oral cancer carcinoma espinocelular saliva diagnostico ATR-FTIR biomarcador squamous cell carcinoma diagnosis biomarker |
dc.subject.autorizado.pt_BR.fl_str_mv |
Ciências Médicas Oncologia Carcinoma de células escamosas |
description |
Introdução: Os métodos diagnósticos para diversos tipos de câncer na atualidade continuam sendo os mesmos usados nos últimos anos, altamente invasivos e desconfortável para os pacientes. Uma série de inovadoras plataformas de diagnóstico salivar com menor produção de resíduos, menor custo, não-invasiva e sem utilização de reagentes tem potencial aplicação para doenças orais e sistêmicas. Objetivo: Neste estudo investigou-se a utilização da espectroscopia de reflexão total atenuada no infravermelho com transformada de Fourier (ATR-FTIR) acoplada a algoritmos da inteligência artificial em amostras de saliva de pacientes com câncer oral de células escamosas como método diagnostico. Materiais e métodos: O estudo incluiu 39 pacientes OCSS e 27 controles previamente saudáveis sem antecedentes de nenhum tipo de câncer, a saliva foi coletada diretamente da cavidade oral dos participantes, com coletores de polipropileno após higiene intraoral, sequentemente foram armazenadas e congeladas. O processamento em ATR-FTIR do perfil espectral infravermelho da saliva foi avaliado quanto à capacidade diagnóstica pela curva ROC. Resultados: As áreas da banda lipídica de 2894-2834 cm -1 e 2948-2896 cm-1 foram maiores na saliva de pacientes com OCSS em comparação com os controles. O desempenho diagnóstico desses marcadores potenciais foi avaliado posteriormente para a detecção de OCSS. A área sob a curva (AUC) de ambas as regiões 2894-2834 cm-1 e 2948-2896 cm-1 foi significativa, indicando esses parâmetros como potenciais biomarcadores para discriminar pacientes OCSS e não OCSS. Além disto, os algorítmos Random Forest e Support Vector Machine foram capazes de discriminar pacientes OSCC patients de sujeitos controles com moderada acurácia. Conclusão: O presente estudo indicou que algoritmos de inteligência artificial e os modos vibracionais lipídicos 2894-2834 cm-1 e 2948-2896 cm-1 da saliva podem ser usados para discriminar pacientes OCSS de pacientes controles usando plataformas biofotônicas em ambientes médicos e odontológicos. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-03-18T17:24:56Z |
dc.date.available.fl_str_mv |
2022-03-18T17:24:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BELLORIN NUÑES, Daniela Sarai. Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial. 2021. 48 f. Dissertação (Mestrado em Ciências da Saúde) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI em: http://doi.org/10.14393/ufu.di.2022.5306 |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/34309 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://doi.org/10.14393/ufu.di.2022.5306 |
identifier_str_mv |
BELLORIN NUÑES, Daniela Sarai. Desenvolvimento de plataforma biofotônica de diagnóstico salivar para o carcinoma oral de células escamosas acoplada com algoritmos de inteligência artificial. 2021. 48 f. Dissertação (Mestrado em Ciências da Saúde) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI em: http://doi.org/10.14393/ufu.di.2022.5306 |
url |
https://repositorio.ufu.br/handle/123456789/34309 http://doi.org/10.14393/ufu.di.2022.5306 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciências da Saúde |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/34309/1/Desenvolvimentodeplataformabiofotonica.pdf https://repositorio.ufu.br/bitstream/123456789/34309/2/license.txt https://repositorio.ufu.br/bitstream/123456789/34309/3/Desenvolvimentodeplataformabiofotonica.pdf.txt https://repositorio.ufu.br/bitstream/123456789/34309/4/Desenvolvimentodeplataformabiofotonica.pdf.jpg |
bitstream.checksum.fl_str_mv |
df16a72ec89a9269486090694fa28c5b 48ded82ce41b8d2426af12aed6b3cbf3 bb08c013f8a3ae8d08686a024442d64d 1c86e39340e32e682c640bc917459854 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1802110516358807552 |