Imagem biomédica em periódicos fronteiriços à Ciência da Informação

Autores

Palavras-chave:

Imagem biomédica, Tratamento informacional, iências da Saúde e Biológicas, Ciências Exatas e da Terra, Representação da informação

Resumo

Na área biomédica, a disseminação de imagens digitais proporciona ampla produção de imagens e questionamentos em como organizar e representar a informação imagética com vistas à recuperação. Objetiva-se investigar na literatura internacional em Ciências da Saúde e Biológicas e Ciências Exatas e da Terra, princípios adotados na representação da imagem biomédica. Consiste em pesquisa qualitativa, de caráter exploratório, com orientação analítico-descritiva,mediante a identificação de bases teórico-metodológicas para representação de imagem biomédica. Adota-se a análise de conteúdo para analisar os artigos recuperados no levantamento bibliográfico. Observamos aplicação de aprendizado automático, com possibilidades de curadoria do especialista via anotação nas imagens.

Downloads

Não há dados estatísticos.

Biografia do Autor

Joice Cleide Cardoso Ennes de Souza, Universidade Federal Fluminense - UFF

Doutora em Ciência da Informação pela Universidade Federal do Rio de Janeiro (UFRJ).  Mestra em Ciência da Informação pela Universidade Federal Fluminense (UFF). Professora do Departamento de Ciência da Informação da UFF. 

Mayara Leticia de Jesus Andrade Goes, Universidade Federal Fluminense - UFF

Acadêmica do curso de Biblioteconomia pela Universidade Federal Fluminense (UFF)

Referências

AHMAD, J.; MUHAMMAD, K.; BAIK, S. W. Medical Image Retrieval with Compact Binary Codes Generated in Frequency Domain Using Highly Reactive Convolutional Features. Journal of Medical Systems,v.42, 24, 2018.Disponível em: https://doi.org/10.1007/s10916-017-0875-4. Acesso em: 12 ago. 2020.

ALZU’BI, A.; AMIRA, A.; RAMZANA, N. Content-based image retrieval with compact deep convolutional features. Neurocomputing, v.249, n. 2, p. 95-105, ago. 2017. Disponível em: https://doi.org/10.1016/j.neucom.2017.03.072. Acesso em: 12 ago. 2020.

AYAD, H.et al. Mining Correlations Between Medically Dependent Features and Image Retrieval Models for Query Classification. Journal of the Association for Information Science and Technology, v.68, n.5, p.1323–1334, may. 2017. Disponível em:https://doi.org/10.1002/asi.23772. Acesso em: 12 ago. 2020.

BARDIN, L. Análise de conteúdo. Lisboa: Edições 70, 2006.

BENTES PINTO, V. Indexação morfossemântica de imagens no contexto da saúde visando à recuperação de informações. História, Ciências, Saúde –Manguinhos, v.15, n. 2, p.313-330, 2008. Disponível em: http://www.scielo.br/pdf/hcsm/v15n2/05.pdf.Acesso em: 12 ago. 2020.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior do Ministério da Educação (CAPES). Portal Periódicos (CAPES). Disponível em: http://www.periodicos.capes.gov.br/. Acesso em 12 ago. 2020.

HEIM, E. et al. Large-scale medical image annotation with crowd-powered algorithms. Journal of Medical Imaging,v.5, n.3, Jul./Set. 2018. Disponível em: https://doi.org/10.1117/1.JMI.5.3.034002. Acesso em: 12 ago. 2020.

KOSTOPOULOS, S. et al. Development of a Reference Image Collection Library for Histopathology Image Processing, Analysis and Decision Support Systems Research. Journal ofDigital Imaging, v. 30, p.287–295, 2017. Disponível em: https://doi.org/10.1007/s10278-017-9947-8. Acesso em 12 ago. 2020.

LI, Z. et al. Large-scale retrieval for medical image analytics: A comprehensive review. Medical Image Analysis,v.43, p. 66–84, jan. 2018. Disponível em: https://doi.org/10.1016/j.media.2017.09.007. Acesso em: 12 ago. 2020.

MURAMATSU, C. Overview on subjective similarity of images for content-based medical image retrieval. Radiological Physics and Technology, v.11, p. 109–124, 2018. Disponível em: https://doi.org/10.1007/s12194-018-0461-6. Acesso em: 12 ago. 2020.

SCHAER, R. et al. Deep Learning-Based Retrieval System for Gigapixel Histopathology Cases and the Open Access Literature. Journal of Pathology Informatics, v.10: 19, 2019. Disponível em: https://doi.org/10.4103/jpi.jpi_88_18. Acesso em 12 ago. 2020.

SILVA, J. L. C. Das concepções disciplinares na Ciência da Informação e/ou de suas configurações epistemológicas: o desiderato percepcionado da interdisciplinaridade. Investigación bibliotecológica, v.27, n.59, p.67-92. 2013. Disponível em: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-358X2013000100004. Acesso em 12 ago. 2020.

SOUZA, J.C.C.E. Tratamento informacional da imagem biomédia: estado da arte em periódicos de Ciência da Informação. In:SIMÕES,M. G.; BORGES, M. M. (Eds.)Tendências Atuais e Perspetivas Futuras em Organização do Conhecimento: atas do III Congresso ISKOEspanha e Portugal –XIII Congresso ISKO Espanha,Universidade de Coimbra, 23e 24 de novembro de 2017. Coimbra, Centro de Estudos Interdisciplinares do Século XX –CEIS20. Coimbra: Universidade de Coimbra,2017. p.811-824. Disponível em: https://purl.org/sci/atas/isko2017. Acesso em: 12 ago. 2020.

WANG, K. Standard Lexicons, Coding Systems and Ontologies for Interoperability and Semantic Computation in Imaging. Journal of Digital Imaging, v.31, p.353–360, jun. 2018. Disponível em: https://doi.org/10.1007/s10278-018-0069-8. Acesso em: 12 ago. 2020.

Downloads

Publicado

2020-09-11

Como Citar

SOUZA, J. C. C. E. de; GOES, M. L. de J. A. Imagem biomédica em periódicos fronteiriços à Ciência da Informação . Revista Fontes Documentais, [S. l.], v. 3, n. Ed. Especial, p. 479–487, 2020. Disponível em: https://periodicos.ufba.br/index.php/RFD/article/view/57756. Acesso em: 19 abr. 2024.

Edição

Seção

COMUNICAÇÕES: Comunicação, informação em rede e humanização: novas perspectivas