Aplicaciones de la visión por ordenador en la asistencia sanitaria: revisión de la literatura aumentada con técnicas de procesamiento del lenguaje natural
DOI:
https://doi.org/10.33448/rsd-v11i10.32942Palabras clave:
Sistemas de visión por ordenador, Aprendizaje profundo, Diagnóstico, Salud, Medicina.Resumen
Los sistemas de visión por ordenador (CVS) han recibido una atención especial por parte de los investigadores por su gran adaptabilidad a diversos contextos, especialmente en el ámbito de la seguridad para el reconocimiento de imágenes y vídeos. Este artículo presenta una revisión de la literatura sobre el uso de la visión por ordenador en la asistencia sanitaria en los últimos cinco años (2017-2021) y presenta las tendencias y el análisis para los primeros seis meses de 2022. Para realizar la búsqueda se utilizaron las bases de datos Science Direct, Scopus, Web of Science, ACM Digital Library e IEEE Xplore. Se recuperaron un total de 2.072 artículos (2017 a 2021) y 492 artículos en 2022 y de ellos, tras la deduplicación, 1.857 trabajos compusieron el corpus 2017-2021 y 465 el corpus 2022. Se utilizaron características de Biblioshiny (paquete Bibliometrix de R) para métricas como las revistas que más publican sobre el tema y se adoptaron técnicas de Procesamiento del Lenguaje Natural para extraer multigramas que generaron nubes de palabras de los resúmenes de los artículos recuperados. Brasil sólo aparece en tres documentos: uno de investigadores de la Universidad Federal de Acre, otro de la Universidad Estatal de Maringá y otro de la Universidad Federal de Santa Catarina, y los tres son revisiones bibliográficas. Los investigadores chinos aparecen como los más productivos en este campo y el aprendizaje profundo es la principal tecnología adoptada para este tipo de estudios. Las enfermedades más evidentemente exploradas en el periodo son el cáncer de mama y el COVID-19.
Referencias
AIRankings. (n.d.). Retrieved July 8, 2022, from https://airankings.org/
Ballard, D. H., & Brown, C. M. (1982). Computer vision (1st ed., Vol. 1, Issue 1). Prentice-Hall, Inc. https://homepages.inf.ed.ac.uk/rbf/BOOKS/BANDB/Ballard__D._and_Brown__C._M.__1982__Computer_Vision.pdf
Berger, D. (1999). A brief history of medical diagnosis and the birth of the clinical laboratory. Part 1--Ancient times through the 19th century. MLO: Medical Laboratory Observer, 31(7).
Dawson-Howe, K. (2014). A practical introduction to computer vision with OpenCV. http://www.amazon.com/Practical-Introduction-Computer-Imaging-Technology/dp/1118848454/ref=sr_1_6?s=books&ie=UTF8&qid=1415059357&sr=1-6&keywords=opencv
de Camargo, V. P., Balancieri, R., Teixeira, H. M. P., & Guerino, G. C. (2021). Touchless Modalities of Human-Computer Interaction in Hospitals: A Systematic Literature Review. Proceedings of the XX Brazilian Symposium on Human Factors in Computing Systems. https://doi.org/10.1145/3472301.3484328
Doi, K. (2007). Computer-aided diagnosis in medical imaging: Historical review, current status and future potential. Computerized Medical Imaging and Graphics, 31(4–5), 198–211. https://doi.org/10.1016/j.compmedimag.2007.02.002
Forsyth, D. A., & Ponce, J. (2003). Computer vision: a modern approach (Vol. 1, Issue 1). Pearson Education, Inc.
Fukushima, K., & Miyake, S. (1982). Neocognitron: a self-organizing neural netwaork model for mechanism of visual pattern recognition. In S. Amari & M. A. Arbib (Eds.), Competition and cooperation neural nets (p. 19). Springer-Verlag. https://link.springer.com/book/10.1007/978-3-642-46466-9
Hubel, D. H., & Wiesel, T. N. (1962). Receptive fields, binocular interaction and functional architecture in the cat’s visual cortex. The Journal of Physiology, 160(1), 106–154. https://doi.org/10.1113/jphysiol.1962.sp006837
Krause, M., & Neto, M. A. C. (2021). Systematic Mapping of the Literature on Mobile Apps for People with Autistic Spectrum Disorder. Proceedings of the Brazilian Symposium on Multimedia and the Web, 45–52. https://doi.org/10.1145/3470482.3479616
Krizhevsky, B. A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. ICLR 2015.
Lane, H., Howard, C., & Hapke, H. M. (2019). Natural Language Processing in Action(Understanding,analyzing, and generating text with python).
LeCun, Y., Boser, B., Denker, J. S., Henderson, D., Howard, R. E., Hubbard, W., & Jackel, L. D. (1989). Backpropagation applied to digit recognition. In Neural computation (Vol. 1, Issue 4, pp. 541–551). https://www.ics.uci.edu/~welling/teaching/273ASpring09/lecun-89e.pdf
Matias, A. V., Amorim, J. G. A., Macarini, L. A. B., Cerentini, A., Casimiro Onofre, A. S., De Miranda Onofre, F. B., Daltoé, F. P., Stemmer, M. R., & von Wangenheim, A. (2021). What is the state of the art of computer vision-assisted cytology? A Systematic Literature Review. Computerized Medical Imaging and Graphics, 91, 101934. https://doi.org/https://doi.org/10.1016/j.compmedimag.2021.101934
Merriam-Webster Dictionary. (n.d.). Retrieved July 8, 2022, from https://www.merriam-webster.com/dictionary/diagnosis
O’Mahony, N., Campbell, S., Carvalho, A., Harapanahalli, S., Hernandez, G. V., Krpalkova, L., Riordan, D., & Walsh, J. (2020). Deep Learning vs. Traditional Computer Vision. Advances in Intelligent Systems and Computing, 943(Cv), 128–144. https://doi.org/10.1007/978-3-030-17795-9_10
Roberts, L. G. (1963). Machine perception of three-dimensional solids (Vol. 1, Issue 1) [Massachusetts Institute of Technology]. https://dspace.mit.edu/handle/1721.1/11589
Shapiro, L., & Stockman, G. (2001). Computer vision (Vol. 1, Issue 1). Pearson Education, Inc.
Shi, Z., & Govindaraju, V. (1997). Segmentation and recognition of connected handwritten numeral strings. Pattern Recognition, 30(9), 1501–1504. https://doi.org/10.1016/S0031-3203(96)00118-5
Sigel, B. (1998). A brief history of doppler ultrasound in the diagnosis of peripheral vascular disease. Ultrasound in Medicine and Biology, 24(2), 169–176. https://doi.org/10.1016/S0301-5629(97)00264-0
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104(March), 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Szeliski, R. (2011). Computer vision (Vol. 142). Springer-Verlag. https://doi.org/10.1007/978-3-030-79175-9_6
Top 25 countries/territories in artificial intelligence. (n.d.). Retrieved July 8, 2022, from https://www.natureindex.com/supplements/nature-index-2020-ai/tables/countries
Trucco, E., & Verri, A. (1998). Introductory techniques for 3-D computer vision (Issue 1). Prentice Hall.
Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1, 1–8. https://doi.org/10.1109/cvpr.2001.990517
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Alex Sebastião Constâncio; Deborah Ribeiro Carvalho; Denise Fukumi Tsunoda
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
