Imagem biomédica em periódicos fronteiriços à Ciência da Informação

Authors

  • Joice Cleide Cardoso Ennes de Souza Universidade Federal Fluminense - UFF https://orcid.org/0000-0002-3848-4923
  • Mayara Leticia de Jesus Andrade Goes Universidade Federal Fluminense - UFF

Keywords:

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

Abstract

In the biomedical area, the dissemination of digital images provides ample production of images and questioning on how to organize and represent imaging information aiming to recovery. The objective is to investigate in the international literature in Health and Biological Sciences and Exact and Earth Sciences, principles adopted in the representation of biomedical imaging. It consists of a qualitative, exploratory research, with analytical-descriptive orientation, through the identification of theoretical-methodological bases for biomedical image representation. Content analysis is adopted to analyze the articles retrieved in the bibliographic survey. We observed the application of automatic learning, with possibilities of specialist curator via annotation in the images.

Downloads

Download data is not yet available.

Author Biographies

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)

References

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

Published

2020-09-11

How to Cite

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://revbaianaenferm.ufba.br/index.php/RFD/article/view/57756. Acesso em: 3 feb. 2025.

Issue

Vol. 3 No. Ed. Especial (2020): Revista Fontes Documentais (RFD) - v.3, Ed., especial MEDINFOR, 2020

Section

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

License

Copyright (c) 2023 Joice Cleide Cardoso Ennes de Souza, Mayara Leticia de Jesus Andrade Goes

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

O(os) autor(es) do trabalho submetido a Revista Fontes Documentais declara(m):

  1.  Declaro que participei suficientemente do trabalho para tornar pública minha responsabilidade pelo conteúdo.
  2. Declaro que o uso de qualquer marca registrada ou direito autoral dentro do manuscrito foi creditado a seu proprietário ou a permissão para usar o nome foi concedida, caso seja necessário.
  3. Declaro que todas as afirmações contidas no manuscrito são fatos são verdadeiras ou baseadas em pesquisa com razoável exatidão.
  4.  Declaro que os direitos autorais referentes ao artigo agora submetido pertencerão à Revista Fontes Documentais, sendo permitido que outros possam distribuir, remixar, adaptar e criar a partir do deste trabalho, exceto para fins comerciais, desde que atribuído o devido crédito.