Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pereira, Danielle Filipov | - |
Autor(es): dc.contributor | Pereira, Danielle Filipov | - |
Autor(es): dc.contributor | Pinho, Kátia Elisa Prus | - |
Autor(es): dc.contributor | Dias, João Manoel Rocha | - |
Autor(es): dc.creator | Meneses, Natália Moreira | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:19:35Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:19:35Z | - |
Data de envio: dc.date.issued | 2025-08-26 | - |
Data de envio: dc.date.issued | 2025-08-26 | - |
Data de envio: dc.date.issued | 2024-02-28 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/38005 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1111263 | - |
Descrição: dc.description | The present literature review aims to analyze the main applications and impacts of integrating Artificial Intelligence (AI) into Magnetic Resonance Imaging (MRI), providing insight into the fusion of these two fields, which have the potential to transform the way images are acquired and analyzed, thus stimulating the pursuit of knowledge and improvement of radiological techniques. MRI, playing a crucial role in medical imaging diagnosis, gains further prominence with the integration of AI. Recently, significant developments in AI in MRI have focused on improved efficacy in image interpretation, leading to substantial enhancements in diagnostic accuracy and the detection of subtle patterns. The study conducted a search for articles referring to the applicability of AI in MRI. Observing these articles allowed for the identification of AI’s applicabilities in MRI image diagnostics, which are extensive, ranging from optimizing the image acquisition process to advanced clinical interpretation. The comprehensive review of specific medical literature provided, within the scope of analyzing the main applicabilities of AI in MRI, 28 articles that deepened the understanding of AI algorithms capable of streamlining and improving image quality, reducing scan times, and enhancing diagnostic efficiency. The results provide a broad view of interpretation, the AI’s ability to identify complex patterns, contributing to early disease detection and the customization of treatment plans. However, the adoption of AI in clinical MRI practice also raises ethical challenges, including algorithm transparency, liability in case of errors, and issues related to patient privacy. The analysis identified that these challenges underscore the importance of balancing AI benefits with solid ethical considerations. Furthermore, the presence of AI in image interpretation has significant impacts on healthcare professionals, requiring adaptations to traditional roles and highlighting the need for ongoing training to better leverage technology’s potential. Future outlooks emphasize an increasingly widespread integration of AI in MRI, with expectations of advancements in automation, diagnostic personalization, and continuous improvement in accuracy. Ethical and regulatory developments will be crucial to ensure an effective and ethical implementation of AI in clinical MRI practice, aligning with promising prospects for the advancement of diagnostic medicine. | - |
Descrição: dc.description | O presente trabalho de revisão bibliográfica tem como objetivo analisar as principais aplicações e impactos da inserção da Inteligência Artificial (IA) na Ressonância Magnética (RM), reunindo uma perspectiva sobre a fusão dessas duas áreas, que possuem um potencial de transformar o modo de se adquirir e analisar imagens, despertando assim, a busca pelo conhecimento e aprimoramento das técnicas radiológicas. A RM, desempenhando um papel crucial no diagnóstico por imagem, ganha ainda mais destaque com a integração da IA. Recentemente, os desenvolvimentos significativos da IA na RM têm se concentrado na eficácia aprimorada na interpretação de imagens, proporcionando melhorias substanciais na precisão diagnóstica e na detecção de padrões sutis. O trabalho desempenhou uma busca de artigos que se referiam as aplicabilidades da IA na RM. A observação desses artigos possibilitou identificar as aplicabilidades da referida tecnologia no processo de diagnóstico por imagem de RM, que são vastas, abrangendo desde a otimização do processo de aquisição de imagens até a interpretação clínica avançada. A revisão abrangente da literatura médica específica, forneceu dentro do escopo dos objetivos de analisar as principais aplicabilidades da inserção da IA na RM, 28 artigos, que proporcionaram um aprofundamento do conhecimento dos algoritmos de IA que podem agilizar e aprimorar a qualidade das imagens, reduzindo tempos de varredura e aumentando a eficiência diagnóstica. Os resultados obtidos fornecem uma visão ampla da interpretação, a capacidade da IA de identificar padrões complexos, contribuindo para a detecção precoce de doenças e a personalização de planos de tratamento. Entretanto, a adoção da IA na prática clínica da RM também levanta desafios éticos, incluindo a transparência dos algoritmos, responsabilidade em caso de erros e questões relacionadas à privacidade dos pacientes. A análise identificou que esses desafios sublinham a importância de equilibrar os benefícios da IA com considerações éticas sólidas. Além disso, a presença da IA na interpretação de imagens tem impactos significativos na vida dos profissionais de saúde, exigindo adaptações nos papéis tradicionais e destacando a necessidade de treinamento contínuo para melhor aproveitar as potencialidades da tecnologia. As visões para o futuro destacam uma integração cada vez mais ampla da IA na RM, com expectativas de avanços na automação, personalização de diagnósticos e aprimoramento contínuo da precisão. O desenvolvimento ético e regulamentar será fundamental para garantir uma implementação eficaz e ética da IA na prática clínica da RM, alinhando-se com as promissoras perspectivas para o avanço da medicina diagnóstica. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Tecnologia em Radiologia | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Inteligência artificial - Aplicações médicas | - |
Palavras-chave: dc.subject | Ressonância magnética | - |
Palavras-chave: dc.subject | Diagnóstico por imagem | - |
Palavras-chave: dc.subject | Artificial intelligence - Medical applications | - |
Palavras-chave: dc.subject | Magnetic resonance | - |
Palavras-chave: dc.subject | Diagnostic imaging | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS DA SAUDE::MEDICINA::RADIOLOGIA MEDICA | - |
Título: dc.title | Inteligência artificial na ressonância magnética: uma revisão bibliográfica acerca das aplicações e impactos no diagnóstico por imagem | - |
Título: dc.title | Artificial intelligence in magnetic resonance: a bibliograph review on application and impacts in diagnostic imaging | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: