Repository logo
 
Publication

Contributo da Inteligência Artificial para classificação de imagem em estudos de perfusão do miocárdio: uma revisão sistemática

2024-12Journal article Open access
Simple item page
datacite.subject.sdg03:Saúde de Qualidade
dc.contributor.authorCardoso, Mariana
dc.contributor.authorSantos, Vanessa
dc.contributor.authorFigueiredo, Sérgio
dc.date.accessioned2025-07-03T15:50:08Z
dc.date.available2025-07-03T15:50:08Z
dc.date.issued2024-12
dc.description.abstractIntrodução – Os métodos de Inteligência Artificial (IA) como o deep learning (DL) e, em particular, as convolutional neural networks (CNN) caracterizam-se por executar tarefas que normalmente requerem cognição humana. Nos estudos de perfusão do miocárdio, os sistemas de IA têm assumido importância como ferramenta auxiliar aos especialistas de medicina nuclear, particularmente para classificação de imagem no âmbito da doença arterial coronária (DAC). Objetivos – Avaliar o contributo dos métodos de DL para classificação de imagem em estudos de perfusão do miocárdio. Métodos – Realizou-se uma revisão sistemática, onde foram incluídos 11 artigos, pesquisados nas bases de dados PubMed, Web of Science e Scopus. Incluíram-se estudos publicados nos últimos cinco anos, que procuram avaliar o desempenho dos métodos de DL para classificação de imagem em estudos de perfusão do miocárdio em contexto de DAC. Resultados – Dos 11 artigos incluídos, 82% utilizaram CNN e os restantes 18% aplicaram outros métodos de DL. A arquitetura Red-Green-Blue Convolutional Neural Network (RGB-CNN) demonstrou maior aplicabilidade, correspondendo a 45% das CNN utilizadas e apresentou melhor desempenho (AUC=94,58%). As restantes arquiteturas utilizadas corresponderam a 11% cada (CNN 2D; Inception V3; ResNet152V2; CNN Hand-Crafted e ResNet50). Conclusão – Os métodos de IA, nomeadamente o DL com recurso a CNN, demonstram ser benéficos para a classificação de imagens de perfusão do miocárdio, com potencial de aplicação no diagnóstico precoce de DAC, embora com necessidade de investigação futura.por
dc.description.abstractABSTRACT Introduction – Artificial Intelligence (AI) methods such as deep learning (DL) and, in particular, convolutional neural networks (CNN), are characterized by performing tasks that normally require human cognition. In myocardial perfusion studies, AI systems have assumed importance as an ancillary tool for nuclear medicine (NM) specialists, particularly for image classification in the context of coronary artery disease (CAD). Objectives – Evaluate DL methods’ contribution to image classification in myocardial perfusion studies. Methods – A systematic review was carried out, which included 11 articles, searched in databases, PubMed, Web of Science, and Scopus. Studies published in the last five years that seek to evaluate the performance of DL methods for image classification in myocardial perfusion studies in the context of CAD were included. Results – Eleven articles were included in the systematic review, where 82% used CNN and the remaining 18% applied other DL methods. The Red-Green-Blue Convolutional Neural Network (RGB-CNN) architecture demonstrated greater applicability, corresponding to 45% of the CNN used, and presented better performance (AUC=94.58%). The remaining architectures corresponded to 11% each (CNN 2D; Inception V3; ResNet152V2; CNN Hand-Crafted, and ResNet50). Conclusion – AI methods, namely DL using CNN, prove to be beneficial for the classification of myocardial perfusion images, with potential application in the early diagnosis of CAD, although with the need for further investigation.eng
dc.identifier.citationCardoso M, Santos V, Figueiredo S. Contributo da Inteligência Artificial para classificação de imagem em estudos de perfusão do miocárdio: uma revisão sistemática. Saúde & Tecnologia. 2024;(30):e790.
dc.identifier.doi10.25758/set.790
dc.identifier.issn1646-9704
dc.identifier.urihttp://hdl.handle.net/10400.21/21952
dc.language.isopor
dc.peerreviewedyes
dc.publisherEscola Superior de Tecnologia da Saúde de Lisboa (Instituto Politécnico de Lisboa)
dc.relation.hasversionhttps://journals.ipl.pt/stecnologia/article/view/790
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectInteligência artificial
dc.subjectDeep learning
dc.subjectConvolutional neural networks
dc.subjectPET
dc.subjectSPECT
dc.subjectMedicina nuclear
dc.subjectClassificação
dc.subjectDoença arterial coronária
dc.subjectPerfusão do miocárdio
dc.subjectArtificial Intelligence
dc.subjectNuclear medicine
dc.subjectClassification
dc.subjectCoronary artery disease
dc.subjectMyocardial perfusion
dc.titleContributo da Inteligência Artificial para classificação de imagem em estudos de perfusão do miocárdio: uma revisão sistemáticapor
dc.title.alternativeContribution of Artificial Intelligence to image classification in myocardial perfusion imaging: a systematic revieweng
dc.typejournal article
dspace.entity.typePublication
oaire.citation.issue30
oaire.citation.startPagee790
oaire.citation.titleSaúde & Tecnologia
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Contributo da IA para classificação de imagem em estudos de perfusão do miocárdio_uma revisão sistemática.pdf
Size:
360.34 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.03 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

ESTeSL - Artigos