Inteligência artificial e diagnóstico do glaucoma
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Brazilian Applied Science Review |
Texto Completo: | https://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/61874 |
Resumo: | O progresso dos algoritmos de inteligência artificial (IA) no processamento de imagens digitais e nos estudos de diagnóstico automático da doença ocular glaucoma vem crescendo e apresentando avanços essenciais para garantir um melhor atendimento clínico a população. Diante do contexto, este artigo descreve os principais tipos de glaucoma existentes e as formas tradicionais de diagnóstico. Apresenta também a epidemiologia mundial da doença e como os estudos com algoritmos de IA vêm sendo investigados como uma possível ferramenta para auxiliar no diagnóstico precoce desta patologia por meio de triagens populacionais. Portanto, a seção de trabalhos relacionados apresenta os principais estudos e metodologias utilizadas na classificação automática do glaucoma a partir de imagens digitais de fundo de olho e algoritmos de IA, bem como as principais bases de dados contendo imagens rotuladas para o glaucoma e disponíveis publicamente para treinamento dos algoritmos de aprendizado de máquinas. |
id |
BASR-0_35ae4aa1800155a44ddf579c06a9f8b7 |
---|---|
oai_identifier_str |
oai:ojs2.ojs.brazilianjournals.com.br:article/61874 |
network_acronym_str |
BASR-0 |
network_name_str |
Brazilian Applied Science Review |
repository_id_str |
|
spelling |
Inteligência artificial e diagnóstico do glaucomadeep learningglaucomafundoscopiaO progresso dos algoritmos de inteligência artificial (IA) no processamento de imagens digitais e nos estudos de diagnóstico automático da doença ocular glaucoma vem crescendo e apresentando avanços essenciais para garantir um melhor atendimento clínico a população. Diante do contexto, este artigo descreve os principais tipos de glaucoma existentes e as formas tradicionais de diagnóstico. Apresenta também a epidemiologia mundial da doença e como os estudos com algoritmos de IA vêm sendo investigados como uma possível ferramenta para auxiliar no diagnóstico precoce desta patologia por meio de triagens populacionais. Portanto, a seção de trabalhos relacionados apresenta os principais estudos e metodologias utilizadas na classificação automática do glaucoma a partir de imagens digitais de fundo de olho e algoritmos de IA, bem como as principais bases de dados contendo imagens rotuladas para o glaucoma e disponíveis publicamente para treinamento dos algoritmos de aprendizado de máquinas.Brazilian Journals Publicações de Periódicos e Editora Ltda.2023-09-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/6187410.34115/basrv7n2-017bBrazilian Applied Science Review; Vol. 7 No. 2 (2023); 683-707Brazilian Applied Science Review; Vol. 7 Núm. 2 (2023); 683-707Brazilian Applied Science Review; v. 7 n. 2 (2023); 683-7072595-36212595-3621reponame:Brazilian Applied Science Reviewinstname:Brazilian Journals Publicações de Periódicos e Editora Ltdainstacron:FIEPporhttps://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/61874/46055Copyright (c) 2023 Brazilian Applied Science Reviewinfo:eu-repo/semantics/openAccessBragança, Clerimar PauloTorres, José ManuelSoares, Christophe Pinto de Almeida2023-10-19T12:33:04Zoai:ojs2.ojs.brazilianjournals.com.br:article/61874Revistahttps://www.brazilianjournals.com/index.php/BASRPRIhttps://ojs.brazilianjournals.com.br/ojs/index.php/BASR/oaibrazilianasr@yahoo.com || brazilianasr@yahoo.com2595-36212595-3621opendoar:2023-10-19T12:33:04Brazilian Applied Science Review - Brazilian Journals Publicações de Periódicos e Editora Ltdafalse |
dc.title.none.fl_str_mv |
Inteligência artificial e diagnóstico do glaucoma |
title |
Inteligência artificial e diagnóstico do glaucoma |
spellingShingle |
Inteligência artificial e diagnóstico do glaucoma Bragança, Clerimar Paulo deep learning glaucoma fundoscopia |
title_short |
Inteligência artificial e diagnóstico do glaucoma |
title_full |
Inteligência artificial e diagnóstico do glaucoma |
title_fullStr |
Inteligência artificial e diagnóstico do glaucoma |
title_full_unstemmed |
Inteligência artificial e diagnóstico do glaucoma |
title_sort |
Inteligência artificial e diagnóstico do glaucoma |
author |
Bragança, Clerimar Paulo |
author_facet |
Bragança, Clerimar Paulo Torres, José Manuel Soares, Christophe Pinto de Almeida |
author_role |
author |
author2 |
Torres, José Manuel Soares, Christophe Pinto de Almeida |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Bragança, Clerimar Paulo Torres, José Manuel Soares, Christophe Pinto de Almeida |
dc.subject.por.fl_str_mv |
deep learning glaucoma fundoscopia |
topic |
deep learning glaucoma fundoscopia |
description |
O progresso dos algoritmos de inteligência artificial (IA) no processamento de imagens digitais e nos estudos de diagnóstico automático da doença ocular glaucoma vem crescendo e apresentando avanços essenciais para garantir um melhor atendimento clínico a população. Diante do contexto, este artigo descreve os principais tipos de glaucoma existentes e as formas tradicionais de diagnóstico. Apresenta também a epidemiologia mundial da doença e como os estudos com algoritmos de IA vêm sendo investigados como uma possível ferramenta para auxiliar no diagnóstico precoce desta patologia por meio de triagens populacionais. Portanto, a seção de trabalhos relacionados apresenta os principais estudos e metodologias utilizadas na classificação automática do glaucoma a partir de imagens digitais de fundo de olho e algoritmos de IA, bem como as principais bases de dados contendo imagens rotuladas para o glaucoma e disponíveis publicamente para treinamento dos algoritmos de aprendizado de máquinas. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-09-18 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/61874 10.34115/basrv7n2-017b |
url |
https://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/61874 |
identifier_str_mv |
10.34115/basrv7n2-017b |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/61874/46055 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2023 Brazilian Applied Science Review info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2023 Brazilian Applied Science Review |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Brazilian Journals Publicações de Periódicos e Editora Ltda. |
publisher.none.fl_str_mv |
Brazilian Journals Publicações de Periódicos e Editora Ltda. |
dc.source.none.fl_str_mv |
Brazilian Applied Science Review; Vol. 7 No. 2 (2023); 683-707 Brazilian Applied Science Review; Vol. 7 Núm. 2 (2023); 683-707 Brazilian Applied Science Review; v. 7 n. 2 (2023); 683-707 2595-3621 2595-3621 reponame:Brazilian Applied Science Review instname:Brazilian Journals Publicações de Periódicos e Editora Ltda instacron:FIEP |
instname_str |
Brazilian Journals Publicações de Periódicos e Editora Ltda |
instacron_str |
FIEP |
institution |
FIEP |
reponame_str |
Brazilian Applied Science Review |
collection |
Brazilian Applied Science Review |
repository.name.fl_str_mv |
Brazilian Applied Science Review - Brazilian Journals Publicações de Periódicos e Editora Ltda |
repository.mail.fl_str_mv |
brazilianasr@yahoo.com || brazilianasr@yahoo.com |
_version_ |
1797240004008738816 |