Você está aqui: Página Inicial > Notícias > Professor do PPGEA/UNIVASF faz parte da equipe de projeto aprovado pela FACEPE que estuda a viabilidade e implementação de dispositivo para diagnóstico do SARS-CoV-2 utilizando espectroscopia NIR

Notícias

Professor do PPGEA/UNIVASF faz parte da equipe de projeto aprovado pela FACEPE que estuda a viabilidade e implementação de dispositivo para diagnóstico do SARS-CoV-2 utilizando espectroscopia NIR

por última modificação: 26/03/2021 17h42

O professor Dr. Daniel dos Santos Costa, docente permanente do Programa de Pós-Graduação em Engenharia Agrícola, está atuando neste projeto como pesquisador e coordenador substituto, responsável pelo uso da técnica de espectroscopia e desenvolvimento do protótipo. Fazem parte da equipe os docentes, Rodrigo Pereira Ramos (UNIVASF) coordenador titular e pesquisador, responsável também pela análise dos sinais, desenvolvimento do protótipo e do algoritmo computacional inteligente. Ricardo Menezes Prates (UNIVASF) pesquisador, responsável por desenvolver e implementar os sistemas inteligentes de reconhecimento computacional, e Eduardo Furtado de Simas Filho, pesquisador (UFBA), responsável pela análise dos sinais e desenvolvimento do sistema inteligente.

O projeto foi aprovado pela Fundação de Amparo a Ciência e Tecnologia do Estado de Pernambuco, que aportará um valor total de R$ 86.260,00. Os impactos na saúde pública mundial, e especialmente no Brasil, provocados pela pandemia do novo coronavírus estão sendo devastadoras, principalmente para a rede do Sistema Único de Saúde (SUS). Os métodos de detecção da doença provocada pelo vírus são de fundamental importância para o bom uso dos recursos financeiros e de saúde. As técnicas atuais de detecção apresentam problemas relacionados ao alto custo ou à elevada taxa de erro no diagnóstico. Este projeto de pesquisa tem como objetivo desenvolver e testar um equipamento com tecnologia embarcada, baseado em espectroscopia óptica e algoritmos computacionais inteligentes, que tenha ao mesmo tempo um custo mais baixo e elevada taxa de acerto de diagnóstico.