Key points are not available for this paper at this time.
Mais de 300 milhões de imagens de radiologia diagnóstica são tiradas a cada ano nos Estados Unidos 1 . A pressão sobre os prestadores de serviços de saúde aumentará consideravelmente para operar de forma mais eficiente e precisa com a crescente demanda por serviços de diagnóstico. O Instituto Nacional de Medicina estima que 12 milhões de americanos são mal diagnosticados a cada ano 2 . Ferramentas de suporte à decisão mais precisas e eficientes para os médicos poderiam reduzir muito esse número. Aprendizado profundo é uma tecnologia inspirada no funcionamento do cérebro humano. Redes de neurônios artificiais analisam grandes conjuntos de dados para descobrir automaticamente padrões subjacentes, sem intervenção humana. O aprendizado profundo se destaca na identificação de padrões em dados não estruturados, que a maioria das pessoas conhece como mídias, como imagens médicas, som, vídeo e texto. Este artigo fala sobre o uso de redes de aprendizado profundo para analisar dados de imagem médica como raios-X e Imagem por Ressonância Magnética (IRM) para aumentar a precisão diagnóstica em menos tempo e a custo reduzido em comparação com métodos de diagnóstico tradicionais.
Singh et al. (Wed,) estudaram esta questão.