Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
INTELIGÊNCIA ARTIFICIAL E OS AVANÇOS NO DIAGNÓSTICO POR IMAGEM NA RADIOLOGIA
0
Zitationen
7
Autoren
2021
Jahr
Abstract
Introdução: A inteligência artificial (IA) vem sendo emergindo como um complemento ao crescente papel da radiologia na medicina diagnóstica e intervencionista, reduzindo pontos de estresse para os profissionais da radiologia. Objetivo: Identificar na literatura disponível, os principais avanços que a inteligência artificial vem proporcionando no diagnóstico por imagem na radiologia. Metodologia: Trata-se de uma revisão sistemática, cuja As buscas foram realizadas nas bibliotecas virtuais: MEDLINE via Pubmed e Web of Science e nas bases de dados LILACS e CINAHL. Foram também realizadas buscas de referências cruzadas. Para busca, adotaram-se descritores controlados e os operadores booleanos AND, para ocorrência simultânea de assuntos, e OR, para ocorrência de um ou outro assunto. Os descritores utilizados: “Inteligência Artificial”, “Radiologia” e “Diagnóstico por Imagem”. Para melhor organização da coleta da amostra, optou-se pelo uso da busca avançada. Os descritores foram combinados entre si com o conector booleano OR e AND, dentro de cada conjunto de termos da estratégia PICo, e, em seguida, cruzados com o conector booleano. Resultados: Destaca-se que a IA permite a possibilidade de combinar várias fontes de informações, além da imagem, para obter um diagnóstico mais preciso, ajudando a aumentar a produtividade e melhor gestão na dinâmica do setor e diagnostico preciso. Considerações finais: Conclui-se, que o conhecimento e as práticas adquiridas por profissionais das técnicas radiológicas na realização de exames e procedimentos minimamente invasivos, são fator básico é necessário para o setor de radiologia onde a IA irá se tornar uma grande aliada dos profissionais da saúde
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.339 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.211 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.614 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.478 Zit.